遥感数据融合智能化处理方法研究

论文摘要

遥感数据融合是当前遥感领域研究的热点之一,它对于减少或抑制被感知对象或环境解译中可能存在的多义性、不确定性,增强影像的解译能力,提高影像判读的可靠性、数据分类和目标识别的准确性等方面具有重要的作用,在军事、民用等领域有着极为广泛的应用。论文在详细总结国内外遥感数据融合现状的基础上,分析了像素级遥感数据融合的原理,讨论了其关键技术、主要的融合算法及其适用性,改进了兴趣值算子、同名点搜索策略,并将缨帽变换系数用于像素级遥感数据融合,具体总结为以下几个方面:(1)分析归纳了像素级遥感数据融合的原理、技术流程、主要算法及其适用性。(2)针对图像配准中存在的问题,提出了相应的解决方案。包括:采用分块原则,以确保特征点分布均匀;对所有像素点的兴趣值进行排序,以解决兴趣值算子阈值设定难的问题。(3)在对图像重采样算法和Curvelet变换研究的基础上,提出了基于Curvelet变换的图像重采样算法。(4)改进了传统的基于Curvelet变换的遥感数据融合算法。(5)在分析缨帽变换的特点和意义的基础上,提出了基于缨帽变换的遥感数据融合算法。实验结果表明,融合后图像不但有较好的空间结构保持能力,而且有较好的光谱保持能力。(6)对常用的融合质量评价指标的意义、性能、适应性等进行总结归纳。在以上研究的基础上,利用MATLAB编程实现了“遥感数据融合智能化处理系统”,可以进行光学遥感数据之间的亚像元级相对配准以及融合,大大提高了遥感数据配准自动化程度,对遥感数据融合的业务流程化具有重要意义。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究现状
• 1.3 研究技术路线与方法
• 1.4 本文研究内容
• 2 图像配准方法研究
• 2.1 图像配准概述
• 2.2 图像特征点提取
• 2.3 基于改进的特征点提取算子
• 2.4 图像同名点匹配
• 2.5 图像几何变换模型
• 2.6 改进的基于Curvelet变换的图像重采样算法
• 2.7 图像配准仿真实验与结果分析
• 2.8 本章小结
• 3 像素级遥感数据融合算法研究
• 3.1 遥感数据融合概述
• 3.2 像素级遥感数据融合算法
• 3.3 基于缨帽变换的遥感数据融合
• 3.4 融合质量评价
• 3.5 数据融合仿真实验与质量评价
• 3.6 改进的基于Curvelet变换的遥感数据融合算法
• 3.7 本章小结
• 4 遥感数据融合智能化处理系统设计与实现
• 4.1 系统设计
• 4.2 系统功能实现
• 4.3 系统运行与测试
• 4.4 本章小结
• 5 结论与展望
• 5.1 主要结论
• 5.2 主要创新点
• 5.3 展望
• 致谢
• 参考文献
• 攻读硕士期间主要成果