基于小波理论的超光谱图像融合研究

摘要

本论文基于小波变换技术，对超光谱图像融合处理中的一些重要问题进行了深入的研究。　　本论文提出了基于小波变换的方差加权超光谱图像融合方法。新方法包括两个关键性技术：各波段特征的提取和加权值的确定。为了验证新理论方法的有效性，以上文提到的AVIRIS图像进行了仿真实验。新的融合方法分三个步骤,依据小波变换对超光谱图像各个波段图像进行小波分解；对小波分解系数进行加权；其中加权值依据各个波段图像的方差值来确定，方差大，权值大；依据是方差能够表征图像的空间信息和光谱信息的丰富程度；用小波变换对图像进行重构；通过和简单的小波均值融合相比，新方法可以获得更好的融合效果；进一步，依据上面陈述的两种数据源划分方法和波段选择方法，通过使用方差加权融合，同样获得了较好的融合效果；论文最后对全文进行了总结并分析了超光谱融合技术发展前景。

目录

文摘

英文文摘

哈尔滨工程大学学位论文原创性声明

第1章绪论

1.1引言

1.2课题研究的背景

1.2.1遥感技术概述

1.2.2多光谱遥感的发展简介

1.2.3超光谱遥感的由来

1.3超光谱融合研究的重要意义

1.4超光谱图像融合技术研究现状

1.4.1国外超光谱研究情况

1.4.2我国研究情况

1.5课题研究思路及内容安排

1.5.1研究思路

1.5.2论文研究内容及结构安排

第2章超光谱图像特征分析

2.1超光谱图像概述

2.1.1超光谱图像的定义

2.1.2超光谱遥感成像系统

2.1.3超光谱图像的获取方式

2.1.4超光谱图像数据表示方法

2.1.5超光谱图像数据存贮方式

2.2超光谱图像特性分析

2.4超光谱图像数据源划分

2.4.1数据源划分依据

2.4.2超光谱图像数据源划分方法

2.5基于超光谱图像融合的特征变换

2.5.1主成分分析(PCA)

2.5.2小波变换技术

2.6本章小结

第3章图像融合技术概述

3.1遥感图像融合技术简介

3.2图像融合技术的不同层次

3.2.1象素级图像融合

3.2.2基于特征的图像融合

3.2.3基于决策级的图像融合

3.3图像融合的典型方法

3.3.1基于IHS变换的融合

3.3.2相关统计分析融合

3.3.3空间滤波分析融合

3.3.4回归变量代换(RVS)融合

3.3.5主成分分析(PCA)融合

3.3.6小波变换融合

3.3.7基于神经网络的图像融合

3.3.8基于人工智能技术的图像融合

3.4图像融合的关键技术分析

3.5融合方法的对比及超谱融合方法选择

3.6图像统计分析与融合效果的评价

3.7本章小结

第4章基于小波理论的超光谱图像融合

4.1引言

4.2小波基本理论

4.2.1连续小波变换

4.2.2离散小波变换

4.3小波多分辨率分析

4.4超光谱图像的小波分解与重构

4.4.1一维图像分解与重构

4.4.2二维图像分解与重构

4.5小波基的选取及验证

4.6小波均值融合

4.7实验结果及分析

4.8本章小结

第5章基于小波变换的超光谱图像方差加权融合

5.1引言

5.2基于小波变换的方差加权融合

5.2.1算法思路

5.2.2实现步骤

5.3基于数据源划分方差加权融合

5.3.1自适应数据源划分超光谱图像融合

5.3.2基于电磁波谱划分数据源加权融合

5.3.3融合步骤

5.4基于波段选择超光谱图像融合

5.5实验结果及分析

5.6本章小结

结 论

参考文献

攻读硕士学位期间发表的论文

致 谢