基于五株采样不可分小波的多光谱图像融合

论文摘要

随着遥感技术的快速发展,多光谱图像融合技术获得了普遍关注和广泛应用,其理论和方法已经成为智能信息处理、遥感应用等学科的重点研究领域。多光谱图像融合是将具有好的光谱信息但空间分辨率较低的图像与具有高空间分辨率全色图像进行整合,生成一幅既具有好的光谱信息又具有高的空间分辨率的图像。本文首先概述了多光谱图像融合的定义、步骤、层次、应用意义以及国内外研究现状,然后系统地总结当前常用的多光谱图像融合方法和评价标准。针对可分离的二维小波在抽样中只突出水平和垂直两个方向的不足,介绍了五株采样不可分小波的特点和优势,并提出了两种基于五株采样不可分小波变换的多光谱图像融合算法：一种是将HSV变换和红黑小波相结合,提出了一种基于HSV变换和红黑小波变换的融合算法,并把它应用于多光谱图像与高空间分辨率图像的融合中。该算法首先对多光谱图像进行HSV变换,将得到的明度分量和高空间分辨率图像做多尺度红黑小波分解,然后采用不同的融合算子对高低频分量进行融合,最后对融合后图像进行红黑重构和HSV逆变换得到融合结果图像,并采用客观性能指标对融合结果图像进行客观评价。实验结果表明,该算法对多光谱图像和高空间分辨率图像融合有较好的融合效果,能从原图像中获得更多的信息,同时又能保持较高的空间分辨率。另一种是IHS变换和提升五株形小波相结合,提出一种基于IHS变换和采用Neville滤波器的提升五株形小波变换的多光谱图像和高空间分辨率全色图像融合方法。该方法首先对多光谱图像进行IHS变换,将得到的亮度分量和直方图匹配后的高分辨率图像做多尺度提升五株形小波分解,然后采用不同的融合算子对高低频分量进行融合,最后对融合后图像进行提升五株形小波重构和IHS逆变换得到融合结果图像,并采用客观性能指标对融合结果图像进行了客观评价。实验结果表明,该方法既保留了多光谱图像的亮度分量的光谱信息,又融合了全色图像的高空间分辨率信息,而且该方法的融合算法和分解层数的选取,是简便有效的,适用于多光谱图像融合。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题研究的背景和意义
• 1.2 多光谱图像融合的概述
• 1.2.1 多光谱图像
• 1.2.2 多光谱图像融合的概念
• 1.2.3 多光谱图像融合的步骤
• 1.2.4 多光谱图像融合的层次
• 1.3 多光谱图像融合的国内外研究现状
• 1.4 课题研究目的与依据
• 1.5 课题来源和主要内容
• 1.6 论文安排
• 2 多光谱图像融合的方法及评价标准
• 2.1 多光谱图像融合的算法
• 2.1.1 基于IHS变换的多光谱图像融合算法
• 2.1.2 基于HSV变换的多光谱图像融合算法
• 2.1.3 基于小波变换的多光谱图像融合算法
• 2.1.4 基于PCA变换的多光谱图像融合算法
• 2.1.5 基于IHS变换和小波变换的多光谱图像融合算法
• 2.1.6 其他融合方法
• 2.2 多光谱图像融合算子
• 2.2.1 基于像素的图像融合规则
• 2.2.2 基于区域的融合规则
• 2.3 图像融合评价指标
• 2.3.1 图像融合质量的主观评价方法
• 2.3.2 图像融合质量的客观评价方法
• 2.3.3 评价指标的选取原则
• 3 五株采样不可分小波
• 3.1 引言
• 3.2 提升不可分小波变换
• 3.3 五株采样的原理
• 3.3.1 五株采样提升框架
• 3.3.2 五株采样提升正变换
• 3.3.3 五株采样提升逆变换
• 3.4 本文研究的重点
• 4 基于红黑小波变换的多光谱图像融合算法
• 4.1 引言
• 4.2 红黑小波变换
• 4.2.1 水平/垂直提升
• 4.2.2 对角提升
• 4.2.3 系数重排
• 4.3 融合算法
• 4.3.1 融合方案
• 4.3.2 融合算子
• 4.4 实验结果分析
• 4.4.1 实验结果主观评价
• 4.4.2 实验结果客观评价
• 4.5 小结
• 5 基于提升五株形小波变换的多光谱图像融合算法
• 5.1 引言
• 5.2 提升五株形小波
• 5.2.1 水平/垂直提升
• 5.2.2 对角提升
• 5.2.3 预测和更新算子的选取
• 5.3 融合算法
• 5.3.1 融合方案
• 5.3.2 融合算子
• 5.4 实验结果及分析
• 5.4.1 实验结果主观评价
• 5.4.2 实验结果客观评价
• 5.5 对融合规则以及分解层数的进一步实验及分析
• 5.5.1 区域能量取大的高频融合规则
• 5.5.2 多光谱图像低频直接替代的低频融合规则
• 5.5.3 实验结果及客观指标分析
• 5.6 小结
• 6 总结与展望
• 参考文献
• 附录：攻读硕士学位期间发表的学术论文
• 致谢