基于深度学习的国产高分辨率影像融合方法研究
发布时间：2020-12-07 16:40
近年来,国产高分辨率遥感卫星发展迅速,影像空间与时间分辨率不断提高,已经广泛应用于国土、测绘、环境与农业等领域,为规划、管理和决策方面提供了数据支持。由于信号传输带宽和成像传感器存储的限制,遥感卫星通常提供低分辨率的多光谱影像和高分辨率的全色影像,而在众多遥感应用（如植被覆盖图和环境监测）中对于同时具有高分辨率和多光谱的卫星影像的需求庞大。一般情况,研究人员采用融合技术,来获得兼具高分辨率与多光谱双重优点的遥感影像。针对国产高分辨率遥感影像高空间与高时间分辨率的特点,以及对兼具高分辨率与多光谱特性的卫星影像的强烈需求,本文以高分一号影像数据为例,对国产高分辨率遥感影像融合方法进行研究,并结合目前学术研究热点之一的深度学习理论,对深度学习辅助的影像融合方法进行研究,采用深度学习算法中的卷积神经网络算法对全色影像分辨率进行提高,基于提高分辨率后的影像进行影像融合。研究内容主要包括:（1）研究基于深度学习的遥感影像盲复原方法。研究一种深度复合卷积神经网络中低分辨率单影像盲复原模型,通过神经网络学习模拟中低分辨率与其对应的高分辨率影像之间的特征。本文模型能够预测基于整幅图像多尺度端到端的特征图...
【文章来源】：东华理工大学江西省
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景
1.2 国内外研究现状
1.3 论文研究内容
1.4 论文组织结构
2 国产高分辨率卫星与数据预处理
2.1 高分辨率卫星数据介绍
2.1.1 中巴地球资源系列卫星
2.1.2 资源系列卫星
2.1.3 高分专项系列卫星
2.2 研究区数据情况
2.3 数据预处理
2.3.1 辐射定标
2.3.2 大气校正
2.3.3 几何校正
2.3.4 图像裁剪
2.4 本章小结
3 影像融合基本理论与质量评价方法
3.1 影像融合概述
3.1.1 影像融合过程
3.1.2 影像融合层次
3.1.3 影像融合常用方法
3.1.4 影像融合规则
3.2 影像融合质量评价
3.2.1 主观评价方法
3.2.2 客观评价方法
3.3 本章小结
4 基于深度学习的卷积神经网络影像盲修复
4.1 深度学习概述
4.2 深度复合卷积神经网络影像盲复原模型
4.2.1 深度卷积神经网络
4.2.2 影像盲复原模型
4.3 影像盲复原实验及结果分析
4.3.1 实验过程
4.3.2 实验结果与分析
4.4 本章小结
5 融合实验与结果分析
5.1 深度复合卷积神经网络影像融合模型
5.2 实验过程
5.3 实验结果与分析
5.3.1 基于深度复合卷积神经网络的影像融合结果
5.3.2 融合质量评价分析
5.4 本章小结
6 总结与展望
6.1 本文总结
6.2 展望
致谢
参考文献
【参考文献】：
期刊论文
[1]针对高分二号卫星影像的几种融合方法对比研究[J]. 李欣腾,陈晓勇,聂欣然,孙涛,李梦洋. 江西科学. 2017(04)
[2]传感器的研究现状与发展趋势[J]. 马须敬,朱义彪. 青岛科技大学学报(自然科学版). 2017(S1)
[3]高分一号在轨运行四周年[J]. 东方红. 卫星应用. 2017(05)
[4]利用轨道参数修正的无控制点星载SAR图像几何校正方法[J]. 陈继伟,曾琪明,焦健,叶发旺,朱黎江. 测绘学报. 2016(12)
[5]基于ZY-3和图像融合的冲沟参数提取研究[J]. 王涛,赵延芳,何福红,李鹏,马江涛. 农业现代化研究. 2016(06)
[6]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)
[7]基于NSCT的PCA与PCNN相结合的图像融合算法[J]. 吴粉侠,段群. 计算机技术与发展. 2015(12)
[8]结合光谱响应函数的Landsat-8影像大气校正研究[J]. 蒲莉莉,刘斌. 遥感信息. 2015(02)
[9]基于深度玻尔兹曼模型的红外与可见光图像融合[J]. 冯鑫,李川,胡开群. 物理学报. 2014(18)
[10]光学分子影像手术导航系统中图像融合算法研究[J]. 徐同花,赵建民,朱信忠,迟崇巍,叶津佐. 浙江师范大学学报(自然科学版). 2014(03)
博士论文
[1]基于稀疏表示的像素级图像融合方法研究[D]. 朱智勤.重庆大学 2016
[2]基于深度学习的图像特征学习和分类方法的研究及应用[D]. 冯子勇.华南理工大学 2016
[3]基于融合框架与稀疏表示的遥感影像锐化[D]. 王文卿.西安电子科技大学 2015
[4]多尺度变换的图像融合方法与应用研究[D]. 蒋年德.湖南大学 2010
[5]动态场景下多运动目标检测及跟踪方法研究[D]. 曾鹏鑫.东北大学 2005
[6]多源遥感信息融合技术及多源信息在地学中的应用研究[D]. 韩玲.西北大学 2005
硕士论文
[1]红外光强与偏振图像融合的多算法嵌接组合研究[D]. 董安冉.中北大学 2017
[2]地块尺度冬油菜湿渍害遥感监测方法研究[D]. 韩佳慧.浙江大学 2017
[3]WorldView-2影像与机载LiDAR数据融合的城市不透水面提取方法研究[D]. 吴孟凡.湖南师范大学 2017
[4]基于多分辨率分析的多光谱与全色图像融合算法研究[D]. 李旭寒.长安大学 2016
[5]基于国产GF-1的高寒山区土地利用/覆盖分类研究[D]. 刘丽雅.浙江大学 2016
[6]基于集成投影及卷积神经网络的建筑风格分类算法研究[D]. 赵佩佩.西安电子科技大学 2015
[7]基于隐变量模型的歌曲转换方法研究[D]. 黄斐.西安建筑科技大学 2015
[8]异类多传感器图像融合技术研究[D]. 甘晶.沈阳理工大学 2015
[9]基于遥感影像分块提取地物方法的研究[D]. 朱书凡.西安科技大学 2014
[10]敏捷卫星相机异速像移计算与分析[D]. 谭双龙.哈尔滨工业大学 2014
本文编号：2903574
【文章来源】：东华理工大学江西省
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景
1.2 国内外研究现状
1.3 论文研究内容
1.4 论文组织结构
2 国产高分辨率卫星与数据预处理
2.1 高分辨率卫星数据介绍
2.1.1 中巴地球资源系列卫星
2.1.2 资源系列卫星
2.1.3 高分专项系列卫星
2.2 研究区数据情况
2.3 数据预处理
2.3.1 辐射定标
2.3.2 大气校正
2.3.3 几何校正
2.3.4 图像裁剪
2.4 本章小结
3 影像融合基本理论与质量评价方法
3.1 影像融合概述
3.1.1 影像融合过程
3.1.2 影像融合层次
3.1.3 影像融合常用方法
3.1.4 影像融合规则
3.2 影像融合质量评价
3.2.1 主观评价方法
3.2.2 客观评价方法
3.3 本章小结
4 基于深度学习的卷积神经网络影像盲修复
4.1 深度学习概述
4.2 深度复合卷积神经网络影像盲复原模型
4.2.1 深度卷积神经网络
4.2.2 影像盲复原模型
4.3 影像盲复原实验及结果分析
4.3.1 实验过程
4.3.2 实验结果与分析
4.4 本章小结
5 融合实验与结果分析
5.1 深度复合卷积神经网络影像融合模型
5.2 实验过程
5.3 实验结果与分析
5.3.1 基于深度复合卷积神经网络的影像融合结果
5.3.2 融合质量评价分析
5.4 本章小结
6 总结与展望
6.1 本文总结
6.2 展望
致谢
参考文献
【参考文献】：
期刊论文
[1]针对高分二号卫星影像的几种融合方法对比研究[J]. 李欣腾,陈晓勇,聂欣然,孙涛,李梦洋. 江西科学. 2017(04)
[2]传感器的研究现状与发展趋势[J]. 马须敬,朱义彪. 青岛科技大学学报(自然科学版). 2017(S1)
[3]高分一号在轨运行四周年[J]. 东方红. 卫星应用. 2017(05)
[4]利用轨道参数修正的无控制点星载SAR图像几何校正方法[J]. 陈继伟,曾琪明,焦健,叶发旺,朱黎江. 测绘学报. 2016(12)
[5]基于ZY-3和图像融合的冲沟参数提取研究[J]. 王涛,赵延芳,何福红,李鹏,马江涛. 农业现代化研究. 2016(06)
[6]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)
[7]基于NSCT的PCA与PCNN相结合的图像融合算法[J]. 吴粉侠,段群. 计算机技术与发展. 2015(12)
[8]结合光谱响应函数的Landsat-8影像大气校正研究[J]. 蒲莉莉,刘斌. 遥感信息. 2015(02)
[9]基于深度玻尔兹曼模型的红外与可见光图像融合[J]. 冯鑫,李川,胡开群. 物理学报. 2014(18)
[10]光学分子影像手术导航系统中图像融合算法研究[J]. 徐同花,赵建民,朱信忠,迟崇巍,叶津佐. 浙江师范大学学报(自然科学版). 2014(03)
博士论文
[1]基于稀疏表示的像素级图像融合方法研究[D]. 朱智勤.重庆大学 2016
[2]基于深度学习的图像特征学习和分类方法的研究及应用[D]. 冯子勇.华南理工大学 2016
[3]基于融合框架与稀疏表示的遥感影像锐化[D]. 王文卿.西安电子科技大学 2015
[4]多尺度变换的图像融合方法与应用研究[D]. 蒋年德.湖南大学 2010
[5]动态场景下多运动目标检测及跟踪方法研究[D]. 曾鹏鑫.东北大学 2005
[6]多源遥感信息融合技术及多源信息在地学中的应用研究[D]. 韩玲.西北大学 2005
硕士论文
[1]红外光强与偏振图像融合的多算法嵌接组合研究[D]. 董安冉.中北大学 2017
[2]地块尺度冬油菜湿渍害遥感监测方法研究[D]. 韩佳慧.浙江大学 2017
[3]WorldView-2影像与机载LiDAR数据融合的城市不透水面提取方法研究[D]. 吴孟凡.湖南师范大学 2017
[4]基于多分辨率分析的多光谱与全色图像融合算法研究[D]. 李旭寒.长安大学 2016
[5]基于国产GF-1的高寒山区土地利用/覆盖分类研究[D]. 刘丽雅.浙江大学 2016
[6]基于集成投影及卷积神经网络的建筑风格分类算法研究[D]. 赵佩佩.西安电子科技大学 2015
[7]基于隐变量模型的歌曲转换方法研究[D]. 黄斐.西安建筑科技大学 2015
[8]异类多传感器图像融合技术研究[D]. 甘晶.沈阳理工大学 2015
[9]基于遥感影像分块提取地物方法的研究[D]. 朱书凡.西安科技大学 2014
[10]敏捷卫星相机异速像移计算与分析[D]. 谭双龙.哈尔滨工业大学 2014
本文编号：2903574
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/2903574.html
