高光谱与高空间分辨率遥感图像融合算法研究

摘要

随着遥感技术的迅速发展和新型传感器的不断进步，人们获取遥感图像数据的能力不断提高，在同一地区可以获得大量不同尺度、不同光谱、不同时相的图像数据信息。其中高光谱图像数据和高空间分辨率图像数据是应用最广泛的数据。由于同一传感器同时提高空间和光谱分辨率代价太大，而空间和光谱信息在后期应用中都有重要意义。如何将两种数据综合利用，以便提取更加完整精确的信息，是目前遥感图象处理领域的一个关键课题。遥感图像融合是最有效的综合途径之一，它能将两种数据进行优势互补，得到一组更完整有效的数据，为后期应用提供更精确可靠的数据。本文首先研究了高光谱数据特征提取算法；然后利用提取后图像数据和高空间分辨率图像，研究了像素级图像融合经典算法及几种经典算法的改进；在此基础上，提出基于注入模型的像素级统一融合算法，实现了像素级融合统一。
　　首先，在分析高光谱数据特点及后期应用基础上，论证了高光谱数据特征提取的必要性。然后研究了高光谱数据的线性特征提取以及基于流形学习的非线性特征提取算法，重点论述了基于PCA变换的线性特征提取和基于LLE的流形学习非线性特征提取算法的原理及实现过程，利用经典RX检测算法和基于贝叶斯最大似然分类算法对特征提取后数据进行分析。实验仿真表明两种特征提取方法分别适用于检测和分类的结论。
　　其次，利用特征提取后图像与高空间分辨率图像，研究了遥感图像像素级融合算法。首先研究了几种经典融合算法包括IHS、PCA、SCN、Brovey、HPF等。针对IHS、SCN融合结果光谱失真问题，提出改进融合算法，分析了其理论根据及处理步骤。实验仿真证明，IHS、SCN改进算法在空间和光谱信息具有理想的效果。
　　最后，通过研究几种经典像素级多源图像融合算法原理及公式，推导各种经典算法公式，得到像素级融合统一公式，研究发现融合不同方法是像素级统一公式下不同参数取值组合，这样将寻找像素级最佳融合方法转换成寻找最优参数组合问题，基于此提出了一种注入模型融合算法。该算法是基于参数选择，尺度变换，变尺度可传递参数，遗传算法搜索的一种新型算法。通过实验仿真结果表明，该算法具有非常理想的融合效果。

目录

高光谱与高空间分辨率遥感图像 融合算法研究

RESEARCH ON FUSION ALGORITHM OF HYPER SPECTRAL AND HIGH SPATIAL RESOLUTION REMOTE SENSING IMAGE

摘 要

Abstract

绪论

1.1 课题研究的目的及意义

1.2 多源图像融合技术的发展现状与分析

1.3 高光谱与高空间分辨率图像数据特点及发展现状

1.4 高光谱与高空间分辨率图像融合过程分析

1.5 多源图像融合算法评价

1.6 课题来源和研究内容及论文结构

第2章 高光谱图像特征提取算法研究

2.1 引言

2.2 高光谱图像数据特征提取方法

2.3 高光谱图像数据线性特征提取

2.4 基于流形学习的高光谱特征数据非线性特征提取

2.5 PCA与LLE特征提取实验结果对比分析

2.6 本章小结

第3章 多源图像融合经典方法及改进算法

3.1 引言

3.2 图像数据预处理

3.3 多源图像像素级经典融合算法研究

3.4 经典融合改进算法研究

3.5 实验结果与分析

3.6 本章小结

第4章 基于注入模型的像素级统一融合算法研究

4.1 引言

4.2 像素级融合统一公式研究

4.3 基于注入模型的融合算法研究

4.4 实验结果与分析

4.5 本章小结

结 论

参考文献

攻读学位期间发表的学术论文

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

致 谢