基于融合框架与稀疏表示的遥感影像锐化

发布时间：2021-01-07 18:23

　　随着遥感技术的发展,遥感图像在天气预报、环境监测、地震监测、海洋监测、军事测绘等领域的应用越来越广泛。光学遥感卫星,例如QuickBird, IKONOS、 GeoEye-1等,能够提供地球表面观测图像。观测图像包含低分辨多光谱图像和高分辨全色图像。多光谱图像由多个波段构成,光谱信息丰富,但空间分辨率低。全色图像仅有单个波段,空间分辨率高。实际应用中需要高分辨多光谱图像。然而,由于遥感传感器技术限制,卫星无法提供高分辨多光谱图像。多光谱与全色图像融合技术能够有效解决该问题。这项技术也被称为多光谱图像锐化。通过融合多光谱图像与全色图像,可以得到高分辨多光谱图像。多光谱与全色图像融合作为遥感图像融合的重要分支,值得深入研究。本论文的主要研究课题是多光谱与全色图像融合。在已知融合框架下,针对多光谱与全色图像融合中的光谱失真和空间失真问题,利用进化算法、压缩感知、稀疏表示、字典学习和图像恢复等理论,提出了五种融合方法。本论文提出的融合方法在QuickBird、IKONOS、GeoEye-1遥感数据上进行测试。本论文的主要成果总结如下：1. 分量替换融合方法是多光谱与全色图像融合的重要框架之一。... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：149 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 图像融合的目的与意义
        1.1.1 图像融合的层次
        1.1.2 图像融合分类
        1.1.3 多源图像融合的目的与意义
    1.2 多光谱与全色图像融合的发展现状与意义
        1.2.1 常见的光学卫星及其数据特性
        1.2.2 多光谱与全色图像融合研究现状
    1.3 客观评价指标
    1.4 本文的工作与主要内容
第二章 基于粒子群优化的自适应分量替换融合方法
    2.1 引言
        2.1.1 分量替换融合框架
        2.1.2 粒子群优化算法原理
    2.2 自适应分量替换融合框架
        2.2.1 基于粒子群优化的自适应分量替换融合方法
        2.2.2 相似性测量函数
        2.2.3 粒子群算法参数设置
    2.3 实验与结果分析
        2.3.1 实验数据与评价方法
        2.3.2 与基于IHS变换融合方法的比较实验和结果分析
        2.3.3 与基于GS变换融合方法的比较实验和结果分析
        2.3.4 与CS-PR方法的比较实验和结果分析
    2.4 本章小结
第三章 基于局部线性嵌入和小波融合的改进分量替换融合方法
    3.1 引言
    3.2 改进分量替换融合框架
H
1">        3.2.1 利用局部线性嵌入超分辨重建IH
1

        3.2.2 利用小波融合技术合成I_H
2

        3.2.3 改进分量替换融合模型
        3.2.4 融合图像增强
    3.3 实验与结果分析
        3.3.1 实验数据和评价指标
        3.3.2 图像块大小与权重系数对本章方法性能的影响
        3.3.3 QuickBird仿真实验与结果分析
        3.3.4 GeoEye-1仿真实验与结果分析
    3.4 本章小结
第四章 基于稀疏表示和局部自回归模型的多光谱与全色图像融合方法
    4.1 引言
    4.2 稀疏表示和压缩感知
        4.2.1 稀疏表示
        4.2.2 压缩感知理论
    4.3 基于稀疏和局部自回归先验的多光谱与全色图像融合方法
        4.3.1 多光谱图像与全色图像成像模型
        4.3.2 高分辨多光谱图像的稀疏表示模型
        4.3.3 基于稀疏正则的融合模型
        4.3.4 局部自回归模型
        4.3.5 光谱字典和空间细节字典构造方法
    4.4 实验与结果分析
        4.4.1 实验设置
        4.4.2 仿真实验与结果分析
        4.4.3 真实实验与结果分析
    4.5 本章小结
第五章 基于分布式压缩感知的多光谱图像锐化方法
    5.1 引言
    5.2 分布式压缩感知理论
    5.3 本章方法
        5.3.1 低分辨多光谱图像与高分辨全色图像的观测模型
        5.3.2 基于联合稀疏先验的融合方法
        5.3.3 字典构造方法
        5.3.4 本章方法复杂度分析
    5.4 实验与结果分析
        5.4.1 实验数据
        5.4.2 参数设置
        5.4.3 图像块大小、字典大小和正则参数对本章方法性能的影响
        5.4.4 共同分量和独有分量
        5.4.5 仿真实验和结果分析
        5.4.6 真实实验和结果分析
    5.5 本章小结
第六章 基于双空间正则的多光谱图像锐化方法
    6.1 引言
    6.2 本章方法的优化模型
        6.2.1 低分辨多光谱图像成像模型
        6.2.2 全局空间相似正则
        6.2.3 非局部相似正则
    6.3 正则参数的设定和梯度下降方法
        6.3.1 分析和定义正则参数
        6.3.2 梯度下降优化方法
    6.4 仿真实验和结果分析
        6.4.1 实验数据和评价指标
        6.4.2 正则参数和滤波器对本章方法性能的影响
        6.4.3 仿真实验和结果分析
        6.4.4 融合图像单波段分析
    6.5 本章小结
第七章 总结与展望
    7.1 研究总结
    7.2 研究展望
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]基于双树复小波变换的PET/CT自适应融合算法[J]. 魏兴瑜,周涛,陆惠玲,王文文.  计算机科学与探索. 2015(03)
[2]基于视觉显著度的多聚焦图像融合方法[J]. 侯庆岑,潘晨,杨勇.  计算机工程. 2015(01)
[3]基于压缩感知的红外与可见光图像融合[J]. 柳翠寅,罗洪礼,李晓峰.  四川大学学报(工程科学版). 2014(05)
[4]大动态范围多曝光图像融合方法[J]. 胡燕翔,万莉.  计算机工程与应用. 2014(01)
[5]基于梯度的多曝光图像融合[J]. 吴伟华,钟声.  计算机与现代化. 2011(06)
[6]基于二代Curvelet变换的红外与可见光图像融合[J]. 付梦印,赵诚.  红外与毫米波学报. 2009(04)
[7]压缩感知理论及其研究进展[J]. 石光明,刘丹华,高大化,刘哲,林杰,王良君.  电子学报. 2009(05)
[8]基于区域分割的红外与可见光图像融合算法的研究(英文)[J]. 刘坤,郭雷,李晖晖,陈敬松.  Chinese Journal of Aeronautics. 2009(01)
[9]一种基于非采样Contourlet变换红外图像与可见光图像融合算法[J]. 张强,郭宝龙.  红外与毫米波学报. 2007(06)
[10]基于多幅不同曝光量照片的场景高动态范围图像合成[J]. 华顺刚,王丽丹,欧宗瑛.  大连理工大学学报. 2007(05)

博士论文
[1]基于小波核滤波器和稀疏表示的遥感图像融合[D]. 刘帆.西安电子科技大学 2014
[2]遥感图像的融合及应用[D]. 强赞霞.华中科技大学 2005



本文编号：2963026

boshi