基于小波变换的高光谱遥感图像融合研究

发布时间：2020-07-10 17:02

【摘要】：高光谱遥感图像融合是高光谱遥感图像处理的核心技术之一,其目的是通过去除冗余、合并互补信息处理,将多波段图像融合成一幅清晰度和可识别性较高的图像,以更好应用于地图测绘、地质勘探和农业调查等领域。由于高光谱图像具有数据量大且冗余度高的特点,这使得高光谱图像的分析和处理比较复杂。在研究高光谱波段选择方法的基础上,本文提出基于波段指数和光谱角可分性的波段选择方法,首先根据波段间相关性将高光谱数据空间划分成若干子空间,再依据波段指数选出各子空间中的优质波段,最后经光谱角匹配法选出地物类间可分性最好的波段组合。实验结果表明本文方法选出的波段组合性能指标优于其他几种常用方法。使用空间域的融合方法对高光谱多波段图像进行融合,融合后图像存在清晰度不高且细节特征不明显的问题。在研究基于小波变换的图像融合方法的基础上,本文对小波变换的融合规则做了以下改进:(1)传统空间频率计算方法只考虑垂直和水平方向,不能充分地描述中心像素的周边像素信息,本文根据四个方向的梯度值来改进空间频率方法。通过采用分块方式计算低频分量图像中每个中心像素的空间频率,得到空间频率图像。由于图像中清晰的区块对应空间频率图像的像素值较大,因此采用空间频率取大的规则对低频分量进行融合。(2)区域能量较大的中心像素代表源图像的细节特征,传统区域能量取大的融合规则直接根据区域内像素值来计算中心像素的区域能量,未充分考虑邻域像素自身的区域特性。本文采用卷积加权的方式计算中心像素的区域能量,再计算对应区域的能量匹配度,最后结合匹配阈值和区域能量来计算融合后的高频小波系数。实验结果表明,与加权平均法、主成分分析法和其他融合规则的小波变换方法相比,本文方法融合图像的信息熵、平均梯度和空间频率三个客观评价指标较优。
【学位授予单位】：南昌航空大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP751
【图文】：

示意图,高光谱遥感数据,示意图

南昌航空大学硕士学位论文第1第 1 章绪论1.1 选题背景和研究意义遥感技术自 20 世纪 60 年代伴随着卫星技术的出现而兴起，逐步发展一种以地理学为主，并不断加入新理论和新技术的对地探测技术。由于成仪技术的快速发展，高光谱遥感技术从微波、多光谱和激光遥感技术中脱颖成为最热门的遥感技术。高光谱遥感图像的光谱分辨率达到 /100级[1]，狭窄的光谱范围内成像，高光谱遥感能够提供丰富的光谱信息，这有利于物光谱间的细微差别[2]，图 1-1 为高光谱遥感数据的构成示意图。

高光谱图像,解决方案,波段,研究现状

“神舟三号”上搭载了一台由我国自主研制的中分辨率成像光谱[15]，该光谱仪能够提供 30 个波段的图像，覆盖了从可见光到近红外。2011 年发射的“天宫一号”目标飞行器上携带了我国目前光谱综合高光谱成像仪，在空间分辨率、波段数目和范围、地物分类等方面均平，这意味着我国高光谱遥感技术首次实现了纳米级光谱分辨率的外研究现状高光谱遥感图像的波段图像数量多，波段间的冗余度高，直接对所有合处理，虽然理论上可行，但是效率低下。如图 1-2 所示，本文提出法：先对高光谱图像进行波段选择，选出能够表征整个高光谱遥感图集，然后对波段子集的图像进行融合处理，以获得清晰度和可识别性像。本节分别对高光谱遥感图像波段选择及融合的研究现状进行介绍

示意图,融合过程,图像融合,示意图

8图 2-1 三种融合层级的融合过程示意图级图像融合图像融合通过融合方法直接在图像的数据进行融合，可保，还拥有其他层级所没有的信息，被广泛用于图像融合、领域。像素级融合的优点是通过提取图像中更多的细节信识别性。层次低，故具有一些局限性：合数据有一定要求，抗干扰性差，最好来源于同一成像传。像数据的配准要求较高，一般要求误差在 1 个像素以内。

【相似文献】