分形遥感图像融合及分类方法研究

论文摘要

本文主要研究了基于分形的遥感图像融合方法以及基于光谱特征和纹理特征分类器融合的遥感图像分类方法。本文研究了一种分形遥感图像融合方法,在该方法中应用传统的小波和IHS方法,并在小波分解的高频系数上运用逐系数点加窗的方法对单个系数点求取分维值,而不像以往的分形遥感图像融合方法,将整个高频系数图像进行分维求取,而忽视了单个系数点在图像融合中的独立性。对仿真图像进行分维提取的实验分析,证明了分形中的分维数可以作为图像的一种重要的纹理特征,对真实遥感图像进行融合实验,经过实验分析发现本文研究的融合方法所获得的融合图像在信息熵、空间频率和平均梯度上都要优于传统小波IHS变换和以往分形小波融合方法。本文其次研究了一种基于光谱分类器和纹理分类器融合的遥感图像分类方法,在该方法中从图像的频域提取光谱特征,并且在基于模糊推理的基础上分别设计了光谱分类器和纹理分类器,然后对于两类分类器输出的结果采用模糊积分的方法进行融合。与以往的光谱和纹理特征融合的分类方法相比,本文的分类方法考虑到了光谱特征和纹理特征各自参与分类的独立性作用。通过实验分析发现本文设计的分类方法其总体分类精度要高于单分类器的分类精度,并且对融合后的图像和融合前的图像运用本论文中的方法进行分类,结果证明图像的融合对于分类精度的提高有着确实的意义。最后将本文方法与特征融合的分类方法进行比较,分类结果证明本文方法的总体分类效果要优于特征融合分类方法。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 遥感图像融合及发展现状
• 1.1.1 遥感图像融合简介
• 1.1.2 遥感图像融合发展现状
• 1.2 遥感图像分类及发展现状
• 1.2.1 遥感图像分类简介
• 1.2.2 遥感图像分类发展现状
• 1.3 遥感图像融合及分类主要理论简介
• 1.4 本文主要内容及创新点
• 1.5 本文章节安排
• 第二章 遥感图像融合及分类基本理论
• 2.1 分形理论
• 2.1.1 分形理论背景
• 2.1.2 分形和分维的定义
• 2.1.3 分形在遥感图像融合中的运用
• 2.2 小波变换与IHS 变换理论
• 2.2.1 小波变换理论
• 2.2.2 IHS 变换理论
• 2.3 遥感图像分类理论
• 2.3.1 遥感图像监督分类基本原理和过程
• 2.3.2 模糊推理分类算法
• 2.3.3 目标特征提取及分类器设计
• 2.3.4 模糊积分简介
• 2.4 遥感图像融合质量评价
• 2.5 遥感图像分类效果评价
• 2.6 本章小结
• 第三章 分形遥感图像融合方法研究
• 3.1 分形遥感图像融合方法框图
• 3.2 小波及IHS 变换图像融合
• 3.2.1 小波变换图像融合
• 3.2.2 IHS 变换图像融合
• 3.3 高频及低频子带融合规则
• 3.3.1 高频子带融合规则
• 3.3.2 低频子带融合规则
• 3.4 遥感图像分形特征提取
• 3.4.1 图像分形特征提取实验
• 3.4.2 图像单像素点分形特征提取实验
• 3.5 融合仿真实验及结果分析
• 3.6 本章小结
• 第四章 遥感图像分类方法研究
• 4.1 遥感图像分类方法框图
• 4.2 幅度波谱特征和纹理特征提取
• 4.2.1 幅度波谱特征提取
• 4.2.2 纹理特征提取
• 4.3 光谱和纹理模糊推理分类器
• 4.4 分类器模糊积分融合方法
• 4.5 分类仿真实验及结果分析
• 4.5.1 提取的光谱特征和纹理特征分析
• 4.5.2 仿真实验及结果分析
• 4.6 本章小结
• 第五章 总结与展望
• 5.1 论文工作总结
• 5.2 课题展望
• 致谢
• 参考文献
• 研究成果