基于多光谱图像和全色图像的融合技术

论文摘要

图像融合是将两个或者两个以上的不同传感器在同一时间或不同时间采集到的图像信息按照一定的算法规则对待融合图像的整合技术,获得比某单一图像更饱满、更可靠、更准确的图像信息,以便有利于对图像进一步的分析和理解,图像融合广泛应用于军事和民用领域。首先介绍了常用的图像评价指标,传统的图像融合方法,分析了各个算法的优缺点,根据优缺点提出了复合式融合算法；然后分析了小波在图像融合中的不足,提出了主成分分析和提升小波相结合的图像融合方法；最后介绍了Contourlet变换的基本理论,提出了主成分分析和Contourlet变换相结合的图像方法,由于Contoulet变换不满足平移不变性,造成了融合图像产生了Gibbs效应,为了克服这一缺陷,介绍了非下采样的Contourlet变换的基本原理及其在图像融合中的应用。为了将低分辨率多光谱图像和高分辨率全色图像有效的融合,提出了复合式融合方法,小波分解后对低频成分选用绝对值系数取大和高频成分区域方差取大的融合规则,并与传统的融合算法进行了比较；之后,提出了主成分分析变换和提升小波相结合的融合方法,小波提升后选用不同的融合规则对高低频成分进行融合,并与PCA+DWT和HSV+LWT融合法进行了比较。实验结果表明,以上两种方法都较好的保留了多光谱图像的同时尽可能的提高了多光谱图像的空间分辨率。本论文还提出了基于模糊隶属度的主成分分析和Contourlet变换相结合的图像融合方法,对多光谱图像的进行主成分分析变换后,将第一主成分分量和全色图像分别进行Contourlet变换,对低频成分采用了基于模糊隶属度的加权法和高频成分采用了能量取大法进行融合后得到新的第一主成分分量,最后将新的第一主成分分量和其他主成分分量合并,得到最终融合的图像。为了消除融合图像产生的Gibbs效应,介绍了非下采样Contourlet变换和HIS相结合的融合方法,该方法对低频成分利用了主成分分析进行了融合,在低频成分有效的克服了传统方法的不足。实验结果表明,该方法较好地保留了多光谱图像的光谱特性和提高了空间分辨率。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 图像融合的研究背景及意义
• 1.2 图像融合的研究现状
• 1.2.1 图像融合的层次划分
• 1.2.2 国内外研究现状及热点
• 1.3 本文的主要工作及章节安排
• 1.3.1 本文的主要工作
• 1.3.2 本文章节安排
• 第二章 图像评价
• 2.1 主观评价指标
• 2.2 客观评价指标
• 第三章 图像融合的传统算法及改进
• 3.1 成分替代法
• 3.1.1 主成分分析法（PCA）
• 3.1.2 色彩空间变换法
• 3.1.2.1 HIS空间模型
• 3.1.2.2 YIQ空间模型
• 3.2 算术法
• 3.2.1 加权平均融合法
• 3.2.2 乘法融合法
• 3.2.3 Brovey变换融合法
• 3.3 高频法
• 3.3.1 高通滤波融合法（HPF）
• 3.3.2 小波变换融合法
• 3.4 传统算法的改进方法
• 3.4.1 复合式融合算法
• 3.4.2 融合规则
• 3.5 实验结果及分析
• 第四章 提升小波在图像融合中的应用
• 4.1 提升小波变换的原理
• 4.1.1 提升小波变换的分解
• 4.1.2 提升小波变换的重构
• 4.2 提升小波在图像融合中的应用
• 4.2.1 融合算法
• 4.2.2 融合规则
• 4.3 实验结果及分析
• 第五章 Contourlet变换在图像融合中的应用
• 5.1 Contourlet变换基本原理
• 5.1.1 拉普拉斯金字塔分解（LP）
• 5.1.2 方向滤波器（DFB）
• 5.1.3 Contourlet变换系数分析
• 5.1.4 Contourlet变换的基本性质
• 5.2 基于加权模糊隶属度的Contourlet图像融合
• 5.2.1 融合算法
• 5.2.2 融合规则
• 5.2.3 实验结果及分析
• 5.3 非下采样Contourlet变换（NSCT）
• 5.3.1 非下采样Contourlet变换原理
• 5.3.2 基于NSCT和HIS变换的图像融合算法及规则
• 5.3.2.1 融合算法
• 5.3.2.2 融合规则
• 5.3.3 实验结果及分析
• 结论
• 参考文献
• 致谢
• 个人简历
• 在读期间发表的论文和取得的研究成果