基于多尺度几何变换的遥感图像融合方法研究

摘要

遥感图像融合是将同一或不同类型传感器获取的不同空间与光谱分辨率图像按照一定的算法进行处理，使得到的新图像同时具有源图像的多光谱及高分辨率特性，以满足不同的应用需求。目的是充分利用源图像中包含的互补信息，消除图像间的冗余信息，突出其有用信息，产生比单一图像信息更精确、更可靠的描述和判决，融合后的图像应该更适合于人类视觉感知或计算机后续处理。本文主要针对高空间分辨率全色图像和多光谱图像的融合方法进行了研究。主要工作如下:
　　 (1)介绍了多尺度几何分析方法在遥感图像融合中的应用，比较了小波变换、Contourlet变换与非下采样Contourlet变换(NSCT)在遥感图像融合中的性能。对小波变换、Contourlet变换和NSCT的图像融合原理进行了简要概述并进行简单的融合实验。通过实验结果的对比，验证了多尺度几何分析方法在图像融合中的有效性，以及Contourlet变换和NSCT在图像处理中相对于小波变换的优势。
　　 (2)综合分析了现有的主客观两种图像评价准则。介绍了主观评价的标准，并分析了其主观性和片面性。在此基础上，引入了5种客观评价参数，用信息熵、标准差和评价梯度三种空间信息指标以及相关系数和相对偏差两种光谱信息指标对融合效果进行客观评价，并结合主观视觉对结果进行分析，保证了评价的科学性和全面性。
　　 (3)提出了一种改进的基于NSCT系数局部特征的融合规则。在IHS变换的基础上，将NSCT应用于遥感图像融合中，对多光谱图像的Ⅰ分量和全色图像进行NSCT变换，并采用不同的区域特征自适应融合算法对NSCT变换后得到的低频和高频分量进行处理，最后通过重构得到融合图像。实验结果表明，提出的算法相对于传统的方法，得到的融合图像具有更好的视觉效果和更优的量化指标。
　　 (4)在IHS变换的基础上，将形态学和NSCT相结合，针对多特征地物遥感图像的融合提出了一种基于图像特征的选择性融合算法。算法先利用形态学操作将图像的边缘和非边缘信息进行区分，然后对处理后的图像进行NSCT变换得到一个低频和一系列高频分量，再利用提出的改进融合算法分别对低频和高频系数进行选择性融合，最后通过NSCT逆变换和IHS逆变换得到融合结果。仿真实验结果表明:对多特征地物遥感图像进行融合时，文中提出的算法是有效可行的。

目录

缩略语表

摘要

1 绪论

1．1 研究背景和意义

1．2 遥感图像融合概述

1．2．1 遥感图像融合的过程

1．2．2 遥感图像融合的层次

1．3 遥感图像融合的发展现状及发展趋势

1．4 本文的主要研究内容及安排

2 多尺度几何分析

2．1 小波变换

2．1．1 连续小波变换

2．1．2 离散小波变换

2．2 Contourlet变换

2．2．1 拉普拉斯金字塔

2．2．2 方向滤波器组

2．2．3 Contourlet变换对图像的分解过程

2．3 非下采样Contourlet变换

3 遥感图像融合的常用规则及评价准则

3．1 常用的融合规则

3．1．1 基于单个像素的融合规则

3．1．2 基于区域特征的融合规则

3．2 融合结果评价准则

3．2．1 主观评价标准

3．2．2 客观评价指标

4 Contourlet变换和NSCT在遥感图像融合中的实现

4．1 基于Contourlet变换或NSCT的图像融合过程

4．2 实验结果与分析

4．3 本章小结

5 基于NSCT和形态学的遥感图像融合算法

5．1 形态学理论

5．2 基于图形形态学和NSCT系数局部特征的融合算法

5．2．1 低频系数融合规则

5．2．2 高频系数融合规则

5．3 仿真实验与分析

5．4 结论

6 总结与展望

6．1 研究总结

6．2 存在的问题及展望

参考文献

附录

致谢

声明