基于遗传算法的遥感图像融合研究

论文摘要

本文主要研究了基于遗传算法的遥感图像融合方法。首先介绍了常用的遥感图像融合的变换理论以及传统的图像融合方法,对用于遥感图像融合质量评价的主客观评价标准进行了总结。然后介绍了遗传算法(Genetic Algorithm,GA)的理论基础和基本流程。同时介绍了一种新的多尺度分析工具Contourlet变换,在对图像进行多尺度分解的基础上,提出了一种利用遗传算法对高低频分量加权系数进行优化的遥感图像融合方法。从全局和部分两个方面对优化过程中目标函数的设定进行了研究,并对遗传操作算子及参数选择进行了讨论。理论分析和实验结果表明,基于遗传算法的遥感图像融合方法能够取得较理想的融合效果,具有进一步研究应用的价值。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 遥感图像融合的研究背景和意义
• 1.2 遥感图像融合的研究现状
• 1.3 本文的研究内容和思路
• 1.4 论文的章节安排
• 第二章 像素级图像融合
• 2.1 用于图像融合的变换理论
• 2.2 常用像素级遥感图像融合算法
• 2.2.1 IHS 变换融合法
• 2.2.2 PCA 融合法
• 2.2.3 基于小波变换的融合法
• 2.3 图像融合的评价准则
• 2.3.1 融合结果的主观评价
• 2.3.2 融合结果的客观评价
• 第三章 遗传算法概述
• 3.1 遗传算法的起源与发展
• 3.2 遗传算法的基本思想和算法步骤
• 3.2.1 遗传算法的基本思想
• 3.2.2 遗传算法的步骤
• 3.3 遗传算法的理论基础
• 3.3.1 模式定理（Pattern Theorem）
• 3.3.2 积木块假设
• 3.4 遗传算法的基本技术
• 3.4.1 编码
• 3.4.2 适应度函数
• 3.4.3 选择
• 3.4.4 交叉和变异
• 3.4.5 遗传算法的运行参数
• 3.4.6 遗传算法终止条件
• 3.5 遗传算法的特点及应用
• 3.5.1 遗传算法的特点
• 3.5.2 遗传算法的应用
• 第四章 基于遗传算法的遥感图像融合
• 4.1 基于遗传算法的遥感图像融合框架
• 4.1.1 contourlet 变换
• 4.1.2 融合方法的思路和基本框架
• 4.2 遗传操作及参数设定
• 4.2.1 初始种群的生成
• 4.2.2 适应度
• 4.2.3 遗传算子
• 4.3 目标函数的设定
• 4.3.1 全局目标函数设定
• 4.3.2 局部目标函数设定
• 4.4 融合算法的改进
• 第五章 总结与展望
• 5.1 本文总结
• 5.2 展望
• 致谢
• 参考文献
• 研究成果