基于CLIT-FCNN的遥感图像融合算法
发布时间：2022-10-09 13:10
随着遥感领域相关技术的发展,多种传感器已应用到卫星中用于获取不同种类的遥感图像。但由于辐射能量限制,遥感卫星传感器不能捕获同一地区既具有高空间分辨率又有高光谱分辨率的遥感影像,仅可以获取到光谱信息丰富但空间分辨率较低的多光谱图像（Multispectral Image,MS）和高空间分辨率但低光谱分辨率的全色图像（Panchromatic Image,PAN）,但在现实应用中如岩性分析、地图更新和植被识别等领域中,需要同时使用到PAN图像中的高空间分辨率信息描述图像纹理和MS图像中的多光谱信息判断图像类别。为有效地将MS图像和PAN图像进行融合得到符合实际要求的高质量遥感影像,众多学者提出了遥感图像融合技术。传统的遥感图像融合算法针对不同类型遥感图像需人工制定不同融合规则,且融合质量与图像的分解方法、分解的层次和各层次选用的融合规则密切相关,导致算法融合效果残次不齐。近年来,卷积神经网络广泛应用在图像分割、视觉识别、图像分类等领域,由于其具有权重分享和局部连接等特点使其与传统方法相比有更好的性能。U-Net是具有对称结构的卷积神经网络,它使用跨层拼接的方式将来自低级特征图与较高层特征图...
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景及意义
1.2 遥感图像融合研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 主要研究内容
1.4 本文组织结构
第2章 相关理论基础介绍
2.1 遥感图像融合处理流程
2.1.1 图像预处理
2.1.2 图像配准和增强
2.1.3 遥感图像融合算法
2.1.4 融合图像质量评价
2.1.5 融合图像应用
2.2 遥感图像融合算法
2.1.1 IHS变换融合算法
2.1.2 PCA融合方法
2.1.3 Brovey变换融合方法
2.1.4 高通滤波器融合方法
2.1.5 拉普拉斯金字塔分解融合方法
2.1.6 小波变换融合方法
2.1.7 NSCT融合方法
2.3 卷积神经网络
2.4 U-NET
2.5 本章小结
第3章 遥感图像融合算法CLIT-FCNN
3.1 基于CLIT-FCNN的融合算法
3.1.1 总体思路
3.1.2 网络结构
3.2 CLIT-FCNN融合算法整体框架
3.3 本章小结
第4章 实验结果与分析
4.1 训练集构建
4.2 实验配置
4.2.1 实现细节
4.2.2 模型训练
4.3 CLIT-FCNN算法实验结果
4.3.1 DEIMOS-2 卫星融合结果
4.3.2 QuickBird卫星融合结果
4.3.3 高分二号卫星融合结果
4.3.4 实验结果总结
4.4 本章小结
第5章 总结与展望
5.1 工作总结
5.2 未来展望
参考文献
作者简介及在学期间所取得的科研成果
致谢
【参考文献】：
期刊论文
[1]高分一号02/03/04星在森林火灾监测中的应用[J]. 刘树超,覃先林,李晓彤,刘倩. 卫星应用. 2019(01)
[2]“资源一号”系列卫星推动卫星光学遥感技术进步[J]. 张庆君. 航天返回与遥感. 2018(04)
[3]高分二号卫星影像融合及质量评价[J]. 孙攀,董玉森,陈伟涛,马娇,邹毅,王金鹏,陈华. 国土资源遥感. 2016(04)
[4]Landsat8卫星遥感数据预处理方法[J]. 祝佳. 国土资源遥感. 2016(02)
[5]基于深度支撑值学习网络的遥感图像融合[J]. 李红,刘芳,杨淑媛,张凯. 计算机学报. 2016(08)
[6]全球高分光学星概述（二）:欧洲[J]. 朱仁璋,丛云天,王鸿芳,邱慧,白照广. 航天器工程. 2016(01)
博士论文
[1]基于非下采样剪切波变换的图像增强算法研究[D]. 李亮亮.吉林大学 2019
[2]基于深度卷积神经网络的图像分类方法研究及应用[D]. 高震宇.中国科学技术大学 2018
[3]地表温度空间降尺度方法及其基于国产高分影像的应用研究[D]. 张逸然.浙江大学 2017
[4]基于多源遥感数据的干旱/半干旱地区表层土壤水反演方法研究[D]. 黄资彧.华南农业大学 2016
[5]基于多尺度分析的多传感器图像融合技术研究[D]. 陈广秋.吉林大学 2015
[6]多分辨率分析图像融合关键技术研究[D]. 尤春艳.重庆大学 2014
[7]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
[8]基于多尺度滤波和稀疏表示的图像融合方法研究[D]. 胡建文.湖南大学 2013
[9]基于非采样Contourlet变换的图像融合[D]. 杨粤涛.中国科学院研究生院（长春光学精密机械与物理研究所） 2012
[10]像素级和特征级遥感图像融合方法研究与应用[D]. 姚为.大连理工大学 2011
本文编号：3688694
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景及意义
1.2 遥感图像融合研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 主要研究内容
1.4 本文组织结构
第2章 相关理论基础介绍
2.1 遥感图像融合处理流程
2.1.1 图像预处理
2.1.2 图像配准和增强
2.1.3 遥感图像融合算法
2.1.4 融合图像质量评价
2.1.5 融合图像应用
2.2 遥感图像融合算法
2.1.1 IHS变换融合算法
2.1.2 PCA融合方法
2.1.3 Brovey变换融合方法
2.1.4 高通滤波器融合方法
2.1.5 拉普拉斯金字塔分解融合方法
2.1.6 小波变换融合方法
2.1.7 NSCT融合方法
2.3 卷积神经网络
2.4 U-NET
2.5 本章小结
第3章 遥感图像融合算法CLIT-FCNN
3.1 基于CLIT-FCNN的融合算法
3.1.1 总体思路
3.1.2 网络结构
3.2 CLIT-FCNN融合算法整体框架
3.3 本章小结
第4章 实验结果与分析
4.1 训练集构建
4.2 实验配置
4.2.1 实现细节
4.2.2 模型训练
4.3 CLIT-FCNN算法实验结果
4.3.1 DEIMOS-2 卫星融合结果
4.3.2 QuickBird卫星融合结果
4.3.3 高分二号卫星融合结果
4.3.4 实验结果总结
4.4 本章小结
第5章 总结与展望
5.1 工作总结
5.2 未来展望
参考文献
作者简介及在学期间所取得的科研成果
致谢
【参考文献】：
期刊论文
[1]高分一号02/03/04星在森林火灾监测中的应用[J]. 刘树超,覃先林,李晓彤,刘倩. 卫星应用. 2019(01)
[2]“资源一号”系列卫星推动卫星光学遥感技术进步[J]. 张庆君. 航天返回与遥感. 2018(04)
[3]高分二号卫星影像融合及质量评价[J]. 孙攀,董玉森,陈伟涛,马娇,邹毅,王金鹏,陈华. 国土资源遥感. 2016(04)
[4]Landsat8卫星遥感数据预处理方法[J]. 祝佳. 国土资源遥感. 2016(02)
[5]基于深度支撑值学习网络的遥感图像融合[J]. 李红,刘芳,杨淑媛,张凯. 计算机学报. 2016(08)
[6]全球高分光学星概述（二）:欧洲[J]. 朱仁璋,丛云天,王鸿芳,邱慧,白照广. 航天器工程. 2016(01)
博士论文
[1]基于非下采样剪切波变换的图像增强算法研究[D]. 李亮亮.吉林大学 2019
[2]基于深度卷积神经网络的图像分类方法研究及应用[D]. 高震宇.中国科学技术大学 2018
[3]地表温度空间降尺度方法及其基于国产高分影像的应用研究[D]. 张逸然.浙江大学 2017
[4]基于多源遥感数据的干旱/半干旱地区表层土壤水反演方法研究[D]. 黄资彧.华南农业大学 2016
[5]基于多尺度分析的多传感器图像融合技术研究[D]. 陈广秋.吉林大学 2015
[6]多分辨率分析图像融合关键技术研究[D]. 尤春艳.重庆大学 2014
[7]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
[8]基于多尺度滤波和稀疏表示的图像融合方法研究[D]. 胡建文.湖南大学 2013
[9]基于非采样Contourlet变换的图像融合[D]. 杨粤涛.中国科学院研究生院（长春光学精密机械与物理研究所） 2012
[10]像素级和特征级遥感图像融合方法研究与应用[D]. 姚为.大连理工大学 2011
本文编号：3688694
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3688694.html
