基于小波变换的多传感器遥感图像融合算法研究

摘要

随着图像传感器技术的发展,多传感器图像融合技术得到了迅猛发展,已经成为图像理解、计算机视觉等领域中一项重要的技术。多传感器图像融合就是把多个不同传感器获得的同一场景的多幅图像,或同一传感器在不同时刻获得的多幅图像合成一幅包含输入图像相关信息的图像的过程。通过综合利用不同图像之间的互补信息和冗余信息,获得对该场景更为全面、更为准确的图像描述。在多传感器遥感图像融合技术中,关于多光谱图像和全色图像的融合更是研究的热点。本文主要讨论的即是多光谱图像和全色图像的融合。
　　由于小波能同时进行时域和频域分析,去除特征相关性,提供多尺度信息,因此已成为图像融合领域中的主流算法,得到很成功的应用。但是,小波变换是用点的奇异性来逼近线的奇异性,没有很好的方向选择性和各向异性,在对二维图形进行分析时不能充分利用图像数据本身所特有的几何特征,挖掘图像中方向信息,使得融合后图像容易引入方块效应,因此,小波变换仍然不能取得令人十分满意的融合效果。
　　本论文主要针对基于小波变换的像素级遥感图像融合原理、算法及步骤进行了系统深入的研究。针对融合规则的研究,本文提出基于Mallat算法的邻域特征自适应融合算法。根据一般融合规则只考虑了单个像素的灰度值信息而忽略空间梯度信息的缺点,本文采用基于标准差和相关系数的邻域自适应特性融合规则。在融合过程中,对高频小波系数的选取不是简单的丢弃,而是进行加权叠加,更大限度地保留了原始图像的信息。
　　针对小波变换仅能表示信号的点奇异性这一局限性,本文将àtrous算法的平移不变性和非采样方向滤波器组的方向特性相结合,提出了一种新的图像变换方法——ATWT_NSDFB变换。该变换在在满足图像多分辨率的同时,继承了方向滤波器的方向特性,同时兼备良好的平移不变性,能更好地处理高维信号的奇异性,充分地挖掘待融合图像的空间信息,避免频域混叠现象。实验结果表明,与国内外先进算法相比,对于不同的卫星传感器图像,本算法均能很好地保留多光谱图像光谱信息,并且更有效地增强了融合图像的空间细节表现能力。

目录

封面

声明

中文摘要

英文摘要

目录

引言

第1章 多传感器遥感图像融合概述

1.1 多传感器遥感图像融合概念

1.2 图像融合层次的划分

1.3 常用的像素级图像融合算法

1.4 像素级图像融合性能评价

第2章 小波理论及其在遥感图像融合上的应用

2.1 小波变换与多分辨分析理论

2.2 Mallat分解与重构算法

2.3 小波变换在遥感图像融合中的应用

第3章 基于Mallat算法的遥感图像融合算法

3.1 邻域特征自适应融合规则

3.2 基于Mallat算法的邻域自适应模型融合算法原理

3.3 实验结果与分析

第4章 基于ATWT_NSDFB变换的遥感图像融合算法

4.1 变换思想的引入

4.2 ATWT_NSDFB变换

4.3 基于ATWT_NSDFB变换的遥感图像融合新算法

4.4 实验结果与分析

第5章 总结与展望

5.1 论文工作总结与创新

5.2 论文工作展望

参考文献

致谢

攻读硕士学位期间公开发表的学术论文与研究成果