多源遥感图像的匹配与融合算法研究

摘要

在遥感领域,卫星遥感系统提供着越来越多覆盖全球和重复测度的数据,为了充分、有效、综合地利用这些信息,就需要将同一目标或同一区域的多源图像数据进行匹配与融合。本文以多源遥感图像作为对象,研究并实现了多源遥感图像的匹配与融合算法。
　　 首先,讨论了一种基于Contourlet域、Krawtchouk矩和改进粒子群的图像匹配算法,主要针对单一传感器所获取的遥感图像进行快速匹配。与目前常用的匹配算法相比,该算法可在加快匹配速度的同时,大大提高匹配的精度。
　　 其次,针对多传感器获取的遥感图像,研究了两种多源遥感图像匹配算法,分别引入改进型Hausdorff距离和基于Tsallis熵的互信息量作为相似性度量准则。结果表明,这两种算法都具有较高的匹配效率和运算速度。
　　 然后,实现了一种基于对数极坐标变换和对齐度的多源遥感图像配准算法,对以Harris角点为中心的圆进行对数极坐标变换,采用对齐度度量准则得到匹配点。实验结果显示,该算法能有效地对多源遥感图像进行配准,对旋转、尺度变换具有一定的鲁棒性。
　　 接着,采用了无下采样Contourlet变换对多源遥感图像进行融合处理。该方法的性能较传统的基于小波变换或基于Contourlet变换的融合方法有了一定的提高,融合效果更好。
　　 最后,介绍了一种基于无下采样Contourlet变换和模糊推理的图像融合算法,利用模糊推理计算各源图像对融合图像的贡献程度。结果表明,该算法简单、可行,并能更加有效地融合源图像中的信息。

目录

文摘

英文文摘

图、表清单

注释表

第一章 绪论

1.1 课题研究背景和意义

1.1.1 图像匹配与融合的定义

1.1.2 多源遥感图像匹配与融合的目的及意义

1.2 课题的国内外研究概况

1.2.1 研究发展及现状

1.2.2 存在的问题

1.3 本文的章节安排和主要创新点

1.3.1 本文的章节安排

1.3.2 本文的主要创新点

第二章 基于Contourlet域、Krawtchouk矩和粒子群的快速图像匹配

2.1 引言

2.2 图像匹配的过程

2.3 基于Contourlet域、Krawtchouk矩和粒子群的快速图像匹配算法

2.3.1 Contourlet变换、粒子群和Krawtchouk矩的基本理论

2.3.2 改进的带极值扰动的简化粒子群优化算法

2.3.3 算法实现步骤

2.3.4 实验结果与分析

2.4 本章小结

第三章 多源遥感图像匹配

3.1 基于改进型Hausdorff距离的多源遥感图像匹配算法

3.1.1 Hausdorff距离的基本理论

3.1.2 算法实现步骤

3.1.3 实验结果与分析

3.2 基于Tsallis熵互信息量的多源遥感图像匹配算法

3.2.1 经典互信息量和Tsallis熵互信息量

3.2.2 算法实现步骤

3.2.3 实验结果与分析

3.3 本章小结

第四章 基于对数极坐标变换和对齐度准则的多源遥感图像配准

4.1 引言

4.2 对数极坐标变换

4.2.1 映射定义

4.2.2 对数极坐标模型的构成方法

4.3 基于对数极坐标变换和对齐度准则的多源图像配准算法

4.3.1 细化参数的对数极坐标变换

4.3.2 Harris角点检测

4.3.3 对齐度准则

4.3.4 算法实现步骤

4.3.5 实验结果与分析

4.4.本章小结

第五章 基于无下采样Contourlet变换的图像融合

5.1 引言

5.2 融合结果的评价准则

5.2.1 根据单个图像统计特征的评定方法

5.2.2 根据融合图像与源图像关系的评定方法

5.3 基于无下采样Contourlet变换的图像融合算法

5.3.1 无下采样Contourlet变换的基本理论

5.3.2 算法实现步骤

5.3.3 实验结果与分析

5.4 本章小结

第六章 基于无下采样Contourlet变换和模糊推理的图像融合

6.1 引言

6.2 模糊推理的基本理论

6.2.1 模糊集的概念

6.2.2 模糊集的运算

6.3 基于无下采样Contourlet变换和模糊推理的图像融合算法

6.3.1 算法实现步骤

6.3.2 实验结果与分析

6.4 本章小结

第七章 总结与展望

7.1 本文的主要工作及结论

7.2 进一步研究工作展望

参考文献

致谢

在学期间的研究成果及发表的学术论文