基于多小波的高分辨率图像与多光谱图像融合研究

摘要

随着各种新型遥感卫星传感器的不断涌现，可用的多光谱、高空间分辨率的遥感图像数据日益剧增。但由于观测的限制和设计的原因，各种传感器有自己的特性，所以图像融合要充分的利用这些传感器的特性，不仅可以弥补单一图像信息的不足，而且有效增强图像的信息分析能力。遥感图像融合是一门综合多种学科的学科。本文在基于像素级融合的基础上，以遥感图像中多光谱图像和全色图像为例，研究如何充分利用两者的优势，在多光谱图像保持光谱信息基础上尽可能融合全色图像的空间细节特征。
　　本文首先介绍了遥感图像融合中成熟的融合方法和图像融合评价方法以及与像素级图像融合相关的图像配准，并将这些方法用于图像融合并进行相关的实验比较。然后介绍了被广泛使用的小波变换方法，然而它不是很完美，但是单小波的扩展-多小波变换，能同时具有对称性、正交性、短支撑性和二阶消失矩等优良性质，因此在图像处理方面具有单小波所不具有的优点。
　　研究了多小波变换的特性之后，发现了它独特的优势，所以使用 GHM多小波变换来分析图像详细信息(各个方向的高频和低频信息)。由于采用多小波分析图像使用的是矢量分解，所以分解后的子频信息应该利用这种分解特性，故而低频信息采用矢量融合的方式保留光谱信息。
　　在图像的信息表示时，IHS是符合人类的视觉，我们常使用的RGB彩色空间表达并不能代表人眼的感知，所以本文在进行图像融合之初，先使用了IHS变换将 RGB彩色图像变换到 IHS空间以分离出亮度(I)、色调(H)以及饱和度(S)信息在进一步的处理。
　　PCNN(脉冲耦合神经网络)衍生于生物学，并与传统的神经网络结构不一样，本文在研究了PCNN特性之后，采用PCNN简化模型作为图像高频信息融合的方法。本文中使用的神经元模型中的链接强度，采用根据图像方向信息自适应调整的链接强度。所以本文的主要研究方法采用IHS变换多小波变换及PCNN相结合的图像融合方法。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题研究背景及意义

1.2 本课题的研究现状与发展趋势

1.3 本论文的研究内容

1.4 论文结构安排

第2章 遥感图像融合质量评价

2.1 主观评价标准

2.2 客观方法评价标准

2.3 融合影像质量的几何质量评价

2.4本章小结

第3章 遥感图像融合常用方法

3.1 图像配准

3.2 简单的图像融合方法

3.3 基于塔形多尺度分解

3.4 基于小波变换的多尺度图像融合方法

3.5 相关实验及结果分析

3.6 本章小结

第4章 图像的多小波变换

4.1 多小波的简介

4.2 多小波的多分辨率的分析

4.3 二维图像的多小波分解和重构

4.4 几类多小波

4.5 相关实验及结果分析

4.6 本章总结

第5章 基于IHS变换多小波变换及PCNN相结合的图像融合方法

5.1 彩色图像

5.2 PCNN模型

5.3 IHS变换多小波变换及PCNN神经网络相结合的图像融合算法

5.4 本章小结

结论与展望

结论

展望

参考文献

攻读学位期间发表的学位论文

致谢