SAR与可见光图像融合算法研究
发布时间：2021-01-15 09:29
进入航天时代以来,卫星遥感在测绘、基建、交通、农林牧业等领域拥有越来越大的市场份额。基于主动微波成像机理的合成孔径雷达（Synthetic Aperture Radar,SAR）传感器全天候成像,图像对土壤和水体的穿透性以及无视气候条件干扰的特性使得对SAR数据的处理越来越受到重视。基于光反射的光学卫星图像则具有丰富的光谱信息,在各种常规监测领域中占据主流地位,但是很容易受到外界条件的干扰。本文以SAR和可见光影像为研究对象,从多源图像融合领域出发进行研究,总结出SAR和可见光融合算法仍旧存在不足,融合图像存在光谱失真和细节信息丢失的问题。对多源图像融合算法进行了深入研究,主要研究内容分为以下几个方面。（1）总结现阶段多源图像融合算法的不足和改进的方向,归纳卷积神经网络用于多源图像融合上的优势;对SAR和可见光融合图像的性能要求进行分析,选择主观视觉和适合的客观指标联合评价的方式对融合后图像进行全面评价;针对SAR和可见光图像的特性,总结归纳出SAR和可见光图像的融合预处理过程。（2）将图像超分辨率重建算法代替插值法用于可见光图像的重采样,通过比较不同模型的超分辨率重建算法,选择结合优...
【文章来源】：燕山大学河北省
【文章页数】：69 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 多源遥感图像融合的研究现状
1.2.1 国内研究动态
1.2.2 国外研究动态
1.2.3 融合算法的不足
1.3 论文主要研究工作和结构安排
1.3.1 主要研究工作
1.3.2 结构安排
第2章 图像融合原理及数据预处理
2.1 引言
2.2 图像融合算法
2.2.1 融合算法层次
2.2.2 空间域变换融合方法
2.2.3 多尺度变换融合方法
2.2.4 基于深度学习的图像融合方法
2.3 融合图像性能评价
2.3.1 主观视觉评价
2.3.2 客观指标评价
2.4 图像预处理
2.4.1 SAR图像预处理
2.4.2 可见光图像预处理
2.5 本章小结
第3章 图像超分辨率重建影像增强
3.1 引言
3.2 超分辨率重建算法
3.2.1 基于插值法的图像超分辨率重建
3.2.2 基于重建的图像超分辨率处理
3.2.3 基于深度学习的图像超分辨率重建
3.3 卷积神经网络
3.3.1 卷积神经网络构成
3.3.2 卷积神经网络的训练过程
3.4 基于卷积神经网络的超分辨率影像增强
3.4.1 卷积神经网络的图像超分辨率模型
3.4.2 超分辨率影像增强
3.5 影像增强结果与分析
3.5.1 数据选择与评价方式
3.5.2 实验结果与评价
3.6 本章小结
第4章 基于卷积神经网络的SAR和光学图像融合算法
4.1 引言
4.2 基于卷积神经网络图像融合的原理和过程
4.3 融合算法实现过程
4.3.1 算法整体实现过程
4.3.2 卷积神经网络训练模型
4.3.3 激活函数选择
4.3.4 损失函数选择
4.3.5 卷积神经网络融合层
4.4 实验结果分析
4.4.1 数据选择与评价方式
4.4.2 网络训练过程分析
4.4.3 融合结果分析
4.5 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
【参考文献】：
期刊论文
[1]自适应字典学习的卷积稀疏表示遥感图像融合[J]. 杨勇,李露奕,黄淑英,张迎梅,卢航远. 信号处理. 2020(01)
[2]基于多源高分辨率卫星遥感影像的区域网平差方法研究[J]. 周艳,张楠,吴迪,李景萍. 测绘与空间地理信息. 2019(12)
[3]卫星遥感及图像处理平台发展[J]. 赵忠明,高连如,陈东,岳安志,陈静波,刘东升,杨健,孟瑜. 中国图象图形学报. 2019(12)
[4]基于非下采样Shearlet变换与差异度量的遥感图像融合算法[J]. 崔怡文,任佳佳. 电子测量与仪器学报. 2019(12)
[5]融合GF-MSRCR和暗通道先验的图像去雾[J]. 刘万军,白宛司,曲海成,赵庆国. 中国图象图形学报. 2019(11)
[6]双重字典学习与自适应PCNN相结合的医学图像融合[J]. 王丽芳,窦杰亮,秦品乐,蔺素珍,高媛,张程程. 中国图象图形学报. 2019(09)
[7]基于深度卷积神经网络的红外小目标检测[J]. 吴双忱,左峥嵘. 红外与毫米波学报. 2019(03)
[8]“高分四号”卫星正射校正精度分析[J]. 马冯,孙旭,高连如,付晨罡. 航天返回与遥感. 2019(01)
[9]基于模糊综合评判的车辆目标SAR仿真图像评估方法[J]. 胡利平,刘锦帆,王洪叶,闫华,殷红成. 系统工程与电子技术. 2019(03)
[10]一种耦合空间域与变换域的遥感影像融合方法[J]. 王少迪,李轶鲲,杨树文. 遥感信息. 2018(02)
博士论文
[1]遥感图像融合模型及优化方法研究[D]. 陈应霞.华东师范大学 2019
[2]单幅图像超分辨率重建方法研究[D]. 唐永亮.重庆大学 2018
[3]基于变分法和偏微分方程的图像增强和融合方法研究[D]. 赵文达.中国科学院研究生院(长春光学精密机械与物理研究所) 2016
硕士论文
[1]SAR与可见光遥感图像融合方法研究[D]. 盛佳佳.合肥工业大学 2018
本文编号：2978665
【文章来源】：燕山大学河北省
【文章页数】：69 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 多源遥感图像融合的研究现状
1.2.1 国内研究动态
1.2.2 国外研究动态
1.2.3 融合算法的不足
1.3 论文主要研究工作和结构安排
1.3.1 主要研究工作
1.3.2 结构安排
第2章 图像融合原理及数据预处理
2.1 引言
2.2 图像融合算法
2.2.1 融合算法层次
2.2.2 空间域变换融合方法
2.2.3 多尺度变换融合方法
2.2.4 基于深度学习的图像融合方法
2.3 融合图像性能评价
2.3.1 主观视觉评价
2.3.2 客观指标评价
2.4 图像预处理
2.4.1 SAR图像预处理
2.4.2 可见光图像预处理
2.5 本章小结
第3章 图像超分辨率重建影像增强
3.1 引言
3.2 超分辨率重建算法
3.2.1 基于插值法的图像超分辨率重建
3.2.2 基于重建的图像超分辨率处理
3.2.3 基于深度学习的图像超分辨率重建
3.3 卷积神经网络
3.3.1 卷积神经网络构成
3.3.2 卷积神经网络的训练过程
3.4 基于卷积神经网络的超分辨率影像增强
3.4.1 卷积神经网络的图像超分辨率模型
3.4.2 超分辨率影像增强
3.5 影像增强结果与分析
3.5.1 数据选择与评价方式
3.5.2 实验结果与评价
3.6 本章小结
第4章 基于卷积神经网络的SAR和光学图像融合算法
4.1 引言
4.2 基于卷积神经网络图像融合的原理和过程
4.3 融合算法实现过程
4.3.1 算法整体实现过程
4.3.2 卷积神经网络训练模型
4.3.3 激活函数选择
4.3.4 损失函数选择
4.3.5 卷积神经网络融合层
4.4 实验结果分析
4.4.1 数据选择与评价方式
4.4.2 网络训练过程分析
4.4.3 融合结果分析
4.5 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
【参考文献】：
期刊论文
[1]自适应字典学习的卷积稀疏表示遥感图像融合[J]. 杨勇,李露奕,黄淑英,张迎梅,卢航远. 信号处理. 2020(01)
[2]基于多源高分辨率卫星遥感影像的区域网平差方法研究[J]. 周艳,张楠,吴迪,李景萍. 测绘与空间地理信息. 2019(12)
[3]卫星遥感及图像处理平台发展[J]. 赵忠明,高连如,陈东,岳安志,陈静波,刘东升,杨健,孟瑜. 中国图象图形学报. 2019(12)
[4]基于非下采样Shearlet变换与差异度量的遥感图像融合算法[J]. 崔怡文,任佳佳. 电子测量与仪器学报. 2019(12)
[5]融合GF-MSRCR和暗通道先验的图像去雾[J]. 刘万军,白宛司,曲海成,赵庆国. 中国图象图形学报. 2019(11)
[6]双重字典学习与自适应PCNN相结合的医学图像融合[J]. 王丽芳,窦杰亮,秦品乐,蔺素珍,高媛,张程程. 中国图象图形学报. 2019(09)
[7]基于深度卷积神经网络的红外小目标检测[J]. 吴双忱,左峥嵘. 红外与毫米波学报. 2019(03)
[8]“高分四号”卫星正射校正精度分析[J]. 马冯,孙旭,高连如,付晨罡. 航天返回与遥感. 2019(01)
[9]基于模糊综合评判的车辆目标SAR仿真图像评估方法[J]. 胡利平,刘锦帆,王洪叶,闫华,殷红成. 系统工程与电子技术. 2019(03)
[10]一种耦合空间域与变换域的遥感影像融合方法[J]. 王少迪,李轶鲲,杨树文. 遥感信息. 2018(02)
博士论文
[1]遥感图像融合模型及优化方法研究[D]. 陈应霞.华东师范大学 2019
[2]单幅图像超分辨率重建方法研究[D]. 唐永亮.重庆大学 2018
[3]基于变分法和偏微分方程的图像增强和融合方法研究[D]. 赵文达.中国科学院研究生院(长春光学精密机械与物理研究所) 2016
硕士论文
[1]SAR与可见光遥感图像融合方法研究[D]. 盛佳佳.合肥工业大学 2018
本文编号：2978665
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/2978665.html
