基于互结构联合滤波及显著性检测的遥感图像融合算法

发布时间：2021-01-03 20:15

　　随着计算机技术的广泛应用,图像技术发生了巨大的进步,例如在国防、环境、农林、水利等重要领域。传统的单一类型遥感数据已不能满足人们日益增长的研究需求,我们需要同时同步使用高光谱和高空间分辨率两种信息。因此,多源遥感图像方法越来越受到学者的重视。在实际应用中,高光谱、低空间分辨率的多光谱图像（MS）主要用于准确识别土地覆盖类型、海洋光谱特性分析、地质勘探、地表植被研究和军事目标的检测与识别等精确地物分类方向。而高空间、低光谱分辨率的全色图像（PAN）主要用于准确描述特征的纹理和形状,例如环境监测、土地使用、城市规划、资源管理等方面。以上的两种情况下,其单个图像均不能提供足够的信息。因此,遥感图像融合是必不可少的,多源的图像具有可以丰富视觉信息,减少不确定性的优点。遥感图像融合即充分利用了多源遥感图像的差异性和互补性,最终目标是融合MS图像和PAN图像,生成具有高空间分辨率和高光谱分辨率的融合图像。所获融合图像比任一源图像所包含的信息更加全面,提高了数据的可靠性,进而提升遥感图像高效解译的可能性,深化了该领域的应用潜力和价值,对我国的国防建设、经济发展和国民生活等发展意义重大。本文首先对遥感... 

【文章来源】： 刘思含 吉林大学

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

HSV颜色空间

第3章基于互结构联合滤波和显著性检测的遥感图像融合方法21对于有噪点的RGB/深度图像恢复，互结构的联合滤波被广泛地做了评估,实验在Lu等人[53]的数据集上进行。将该结果与联合双边滤波器[54]、引导图像滤波器[55]和先进的RGB/深度恢复方法[53]进行了比较。PSNR的结果如图3.1所示。图3.1PSNR与[53][54][55]在RGBZ数据集上的比较1021120log1((,)(,))MNijLPSNRXijYijMN===………………（3.9）这里，L是灰度的数目。PSNR越大，融合图像与参考图像越相似，融合质量越好。本文分别计算了参考图像和不同滤波方法所得图像的PSNR值。每对中的两个源图像都被视为参考图像，PSNR值是平均值。由于每组中的两个源图像内容不同，滤波后的结果图像越相似，表示性能越好。也就是说，PSNR越大，算法越好。图3.1指出MSJF方法优于其他方法，因此本文选择它来进行分解。表3.1图3.2中相应评估指标的详细信息不同分解层的融合图像如图3.2所示，相应的目标评价指标如表3.1所示。当分解层数大于3时，发现目标评价指标变化非常小，可以认为当分解层数为3

第3章基于互结构联合滤波和显著性检测的遥感图像融合方法21对于有噪点的RGB/深度图像恢复，互结构的联合滤波被广泛地做了评估,实验在Lu等人[53]的数据集上进行。将该结果与联合双边滤波器[54]、引导图像滤波器[55]和先进的RGB/深度恢复方法[53]进行了比较。PSNR的结果如图3.1所示。图3.1PSNR与[53][54][55]在RGBZ数据集上的比较1021120log1((,)(,))MNijLPSNRXijYijMN===………………（3.9）这里，L是灰度的数目。PSNR越大，融合图像与参考图像越相似，融合质量越好。本文分别计算了参考图像和不同滤波方法所得图像的PSNR值。每对中的两个源图像都被视为参考图像，PSNR值是平均值。由于每组中的两个源图像内容不同，滤波后的结果图像越相似，表示性能越好。也就是说，PSNR越大，算法越好。图3.1指出MSJF方法优于其他方法，因此本文选择它来进行分解。表3.1图3.2中相应评估指标的详细信息不同分解层的融合图像如图3.2所示，相应的目标评价指标如表3.1所示。当分解层数大于3时，发现目标评价指标变化非常小，可以认为当分解层数为3

【参考文献】：
期刊论文
[1]基于梯度一致性约束的多光谱/全色影像最大后验融合方法[J]. 孟祥超,沈焕锋,张洪艳,张良培,李慧芳.  光谱学与光谱分析. 2014(05)



本文编号：2955420