基于多分辨率分析的遥感图像融合算法研究

论文摘要

遥感是空间卫星传感器捕获地表反射的电磁波而生成图像数据的一种现代成像技术。这些传感器根据其捕获波段宽窄的不同,可分为全色波段传感器和多光谱传感器两种,全色波段覆盖的电磁波范围广,因而成像的空间分辨率高,多光谱传感器只捕获特定波段的电磁波,具有很好的光谱分辨率,但是其空间分辨率比较低。为了充分利用两种数据的互补性,遥感图像融合技术应运而生,它的目标是生成一种具备和全色波段具有相同空间分辨率,而其光谱信息又和多光谱波段保持一致的数据产品。遥感图像融合技术,从早期的基于IHS（Intensity-Hue-Saturation）变换、PCA（Principal Component Analysis）变换的方法,到目前应用最广的基于小波变换（Wavelet Transform）的融合算法,融合图像的质量有了很大的提高,光谱失真大幅度减少。不过,现有的基于小波变换的遥感图像融合算法,普遍存在由于小波分析对时移敏感、方向性不好而导致融合结果引入伪信息的问题。本文在分析了基于降采样小波分析遥感图像融合算法的缺点后,提出了一种基于非降采样Contourlet变换（Non-subsampled Contourlet Transform,NSCT）的遥感图像融合算法。该方法引入NSCT分析,解决了现有基于小波分析的遥感图像融合算法易在融合结果中引入水波纹失真的问题,而且NSCT算法具备良好的方向性,能够有效地抽取全色图像的高频信息。其次,提出了一种基于双密度复数小波变换（Double Density ComplexWavelet Transform,DDCWT）的遥感图像融合算法。该方法在降采样的情况下也具备近似的平移不变性,极大地减少了运算过程中的数据冗余;且得益于宽松的滤波器设计条件,在对图像作分解的时候运算量比较少,非常适合于需要进行大量数据融合的场合。最后,对基于多分辨率分析遥感图像融合背景下的融合策略问题作了研究,提出了一种基于全局光谱统计特性的融合策略算法。该算法对整个图像的光谱信息进行分类,然后在每个类里面求取其统计参数,作为融和时候的加权系数。此方法避免了局部窗口法数据不稳定及加权系数不准确的缺点。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 遥感图像融合概述
• 1.1.1 遥感图像数据分类
• 1.1.2 遥感图像融合层次
• 1.1.3 遥感图像融合的研究方向
• 1.2 论文的工作和创新点
• 1.3 论文的内容和组织
• 第二章 现有遥感图像融合算法及算法评价
• 2.1 像素层遥感图像融合算法概述
• 2.2 像素层融合算法分类
• 2.2.1 替换算法
• 2.2.2 变换域算法
• 2.2.3 统计模型算法
• 2.3 遥感图像融合算法评价方法
• 2.3.1 主观评价方法
• 2.3.2 客观指标评价方法
• 2.4 本章小结
• 第三章 基于NSCT算法的遥感图像融合
• 3.1 小波分析方法应用于遥感图像融合的不足
• 3.2 基于NSCT算法的遥感图像融合
• 3.2.1 NSCT算法介绍
• 3.2.2 融合过程
• 3.3 实验结果和比较
• 3.3.1 Landsat多光谱数据和SPOT全色波段数据融合
• 3.3.2 Quickbird多光谱波段和全色波段数据融合
• 3.4 本章小结
• 第四章 基于双密度复数小波变换的遥感图像融合
• 4.1 复数小波分析方法介绍
• 4.2 基于双密度复数小波变换的遥感图像融合
• 4.2.1 双密度复数小波介绍
• 4.2.2 融合步骤
• 4.3 实验结果分析及比较
• 4.3.1 Landsat多光谱数据和SPOT全色波段数据融合
• 4.3.2 Landsat多光谱数据及相应全色波段数据融合
• 4.4 本章小结
• 第五章 遥感图像融合策略研究
• 5.1 融合策略对遥感图像融合质量的影响
• 5.2 遥感图像融合策略介绍及改进算法
• 5.2.1 基于局部图像特征信息的方法
• 5.2.2 基于光谱信息统计模型的融合策略
• 5.3 实验结果及分析比较
• 5.4 本章小结
• 第六章 总结和展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 硕士期间发表的论文
• 致谢