应急物流道路识别中的遥感图像融合方法研究

发布时间：2020-08-26 10:19

【摘要】：应急物流是指当爆发严重自然灾害、突发性公共事件以及军事冲突等突发事件时,如何在最短的时间内将救援人员和物资运送到灾害或事件爆发地的一种特殊物流活动。遥感技术由于信息获取速度快、覆盖范围广和更新周期短等优点在应急物流中成为一种常用的交通信息采集手段。然而,在遥感系统进行成像的过程中,由于传感器设备的带宽限制,通过单一的传感器获得的遥感图像往往信息不够全面,而多传感器采集的图像不仅造成数据的大量冗余,影响传输效率,还不利于人眼或计算机视觉感知。因此,利用图像融合技术将信息互补、冗余的多幅遥感图像融合成一幅信息全面、综合的图像有着十分重要的实际意义。通过融合的遥感图像可以更准确地获取事件爆发地的道路网通畅程度,为应急物流中选取最优的运输路线提供决策支持。图像融合主要有基于空间域和基于频率域两大类方法。基于空间域的方法计算简单,时间复杂度低,但对源图像的细节表现能力不足,融合后的效果并不理想,不能满足后续的处理操作。基于频率域的方法对源图像的分解过程与人眼的视觉系统对图像的多层次分解比较类似,具有较好的细节表现能力,使得许多学者采用基于频率域的融合方法进行图像融合研究。基于频率域的融合方法中常用的是多尺度分析方法,本文首先介绍了几种传统的多尺度分析方法,包括小波变换、Curvelet变换和Contourlet变换等,以及它们在图像融合中的应用,并通过多组实验分析它们各自的特点和存在的一些问题。随后,本文就遥感图像融合中多尺度分析方法存在的一些问题进行了深入研究和分析,并提出了改进方法。论文的主要创新点如下:1.针对传统的多尺度分析方法在图像融合中不具有平移不变性,本文提出了一种基于稀疏表达和非下采样Shearlet变换相结合的图像融合方法。相比于传统的Curvelet变换和Contourlet变换,新提出的Shearlet变换具有更高的实现效率,非下采样Shearlet变换分解过程中非下采样操作可以很好地克服源图像未完全配准带来的伪影问题。在融合规则上,根据低高频系数各自的特点采取不同的方法进行融合。对不稀疏的低频系数进行稀疏表达,更好地利用了图像内在特征对低频系数进行选取。经过多尺度分解后的高频系数稀疏性较好,直接采用拉普拉斯能量和进行融合。通过与现有的多种方法进行对比实验,证明了该方法在图像融合中的有效性。2.多尺度分析方法在进行遥感图像融合时,存在较严重的光谱失真现象,且多尺度分析方法计算复杂度很高,当进行多层分解时,高频系数融合所需时间过长,不利于对图像进行实时、快速地处理。为此,本文提出了一种基于自适应IHS变换和多级引导滤波的快速遥感图像融合新方法。该方法在空间细节注入模型的基础上,通过自适应的方式计算上采样后的多光谱图像的亮度分量,再把亮度分量作为引导图像对全色图像进行多次的引导滤波,将获得的空间细节信息结合改进的边缘检测权重矩阵注入到多光谱图像中得到最终的融合图像。该方法不仅实现过程简单、计算复杂度小,而且和其他方法相比得到的融合效果更好,因此更符合实际应用的需求。
【学位授予单位】：江西财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【图文】：

分解系数,图像,方向识别,尺度参数

(a) Lena 图像 (b) Curvelet 变换系数图图 2-4 Lena 图像及其 Curvelet 分解系数图中除了和小波函数一样具有尺度参数和平移let 变换拥有更优良的方向识别能力和很好的

融合图像,标准图像

Lena图不同方法的融合图像

融合图像

Lab图不同方法的融合图像

【参考文献】