基于Curvelet变换的遥感图像融合算法研究

论文摘要

曲波(Curvelet)是在单尺度脊波或局部脊波变换的基础上发展而来的,相对于小波变换,Curvelet变换不仅具有良好的多尺度、空域和频域局部特性,还具有多方向特性,能够更为精确地表示图像边缘的方向,在给定相同的重构精度下可以接近最优地表示图像边缘和平滑区域。目前Curvelet变换在图像处理方面的应用越来越广泛,显示出其巨大的潜力。本论文基于Curvelet变换技术,对遥感图像融合处理中的一些重要问题进行了深入的研究。具体内容包括以下几个方面:在给出遥感成像、遥感图像融合的概念以及目前国内外遥感图像融合技术的发展现状的基础上,针对原始图像影响融合图像质量的问题,本文讨论了图像融合前需要进行的前期图像配准的处理步骤。介绍了小波变换、脊波变换、曲波变换、第二代曲波变换的基本理论,实现方法和主要性质,详细讨论了Curvelet变换的奇异性分析以及Curvelet分解层数的选取对遥感图像融合结果的影响,并通过实验对其特点和性能做了细致的对比,结果表明:对于SAR图像与TM多光谱影像融合,与传统的融合方法相比,Curvelet融合方法不仅能很好地保持SAR图像的纹理、结构信息,而且能较好的保持TM图像的光谱特征。针对单因素指标评价图像融合效果时只考虑融合图像某一方面的特征,缺乏全局性等问题,提出了基于空间细节信息质量和基于光谱信息质量的评价融合结果的指标。这些指标被用于对各种融合方法实际评价中,使得对算法的评价从定性到定量两方面都有了一定的评价标准。讨论了基于Curvelet变换的融合方法,将Curvelet变换引入图像融合领域,并提出了新型的基于第二代curvelet变换的局部LBP算子融合方法,取得了良好的融合效果。该方法可以最大限度地保留待融合图像的光谱信息,同时提高了待融合图像的清晰度和空间分辨率。实验表明对于遥感图像,Curvelet变换的融合算法优于小波变换融合算法。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 多源遥感图像融合概述
• 1.1.1 多源遥感图像融合的基本概念
• 1.1.2 图像融合的目的
• 1.1.3 图像融合层次的划分
• 1.2 遥感图像融合算法的发展现状及难点
• 1.3 课题研究的背景及意义
• 1.4 本文的主要研究内容及章节安排
• 第2章 遥感图像的特征及常见的融合方法
• 2.1 遥感图像的特征
• 2.1.1 空间分辨率
• 2.1.2 波谱分辨率
• 2.1.3 辐射分辨率
• 2.1.4 时间分辨率
• 2.2 遥感图像特性分析
• 2.2.1 SAR图像特性分析
• 2.2.2 TM图像特性分析
• 2.2.3 SPOT卫星特性分析
• 2.3 遥感图像融合的预处理
• 2.4 常用遥感图像融合方法
• 2.4.1 基于IHS变换的图像融合方法
• 2.4.2 基于高斯-拉普拉斯金字塔变换的图像融合方法
• 2.4.3 基于小波变换的图像融合方法
• 2.5 本文实验图像简介
• 2.6 本章小结
• 第3章 从小波变换到曲波变换
• 3.1 小波变换
• 3.1.1 小波分析基础
• 3.1.2 多分辨率分析
• 3.1.3 图像的小波变换及Mallat算法
• 3.2 Ridgelet变换
• 3.2.1 Ridgelet变换理论
• 3.2.2 单尺度脊波
• 3.2.3 Ridgelet变换与Wavelet变换的关系
• 3.2.4 Ridgelet变换的优缺点
• 3.3 Curvelet变换
• 3.3.1 第一代Curvelet变换
• 3.3.2 第二代Curvelet变换
• 3.3.3 第二代Curvelet变换实现方法
• 3.3.4 Curvelet变换的奇异性分析
• 3.3.5 Curvelet分解层数选取及验证
• 3.4 本章小结
• 第4章 基于Curvelet变换的遥感图像融合算法
• 4.1 引言
• 4.2 基于第一代Curvelet变换的遥感图像融合算法
• 4.2.1 算法原理
• 4.2.2 实验结果分析
• 4.3 遥感图像融合效果的评价标准
• 4.3.1 遥感图像融合效果的主观评价
• 4.3.2 遥感图像融合效果的客观评价
• 4.3.3 各种融合方法对比实验分析
• 4.4 本章小结
• 第5章 基于第二代Curvelet变换的遥感图像融合算法
• 5.1 基于第二代Curvelet变换的遥感图像融合算法
• 5.1.1 融合流程
• 5.1.2 融合规则的选取
• 5.2 一种基于第二代Curvelet变换的融合新算法
• 5.2.1 算法原理及融合规则
• 5.2.2 实验结果比较分析
• 5.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢