基于局部特征的多光谱与全色图像融合算法研究

摘要

随着遥感技术的发展，同一卫星装载多个不同的传感器来获取遥感图像。多光谱传感器获取的多光谱图像的主要特点是具有丰富的光谱信息但空间分辨率低，全色传感器获取的全色图像是一幅具有高空间分辨率的灰度图像。因此利用图像融合技术将这两种具有互补信息的图像进行融合可以得到一幅空间分辨率高的多光谱图像。本文以全色图像与多光谱图像的空间分辨率之比为2∶1和4∶1为研究对象，以提高多光谱空间分辨率和减少光谱损失为目标，展开全色图像与多光谱图像的融合算法研究。
　　以全色图像与多光谱图像空间分辨率之比为2∶1为研究对象，分析指出现有算法得到的多光谱融合图像中存在光谱失真或者细节信息过少等问题。为此，本文提出了一种基于局部相关性的遥感图像全色锐化算法。该算法首先对插值放大后的多光谱图像和原始全色图像分别作相同层数的NSCT分解。然后，在相应低频子带分别计算待融合像素点的局部相关系数与四阶相关系数，如果局部相关系数大于四阶相关系数，用全色图像的高频系数替代多光谱图像的高频系数;反之，保持多光谱图像的高频系数不变。最后，将多光谱图像的低频系数和替换后的高频系数进行NSCT逆变换得到融合图像。实验结果表明，该算法不仅提高了多光谱图像的空间分辨率，同时也较好地保留了多光谱图像的光谱特征。
　　当全色图像与多光谱图像空间分辨率之比为4∶1时，直接对低分辨率多光谱图像采用一般的插值方法放大4倍会给融合结果带来光谱损失。为此，本文设计了一种基于字典训练和区域特征的多光谱图像融合算法。该算法主要从放大方法和高频融合规则两个方面进行算法设计，首先采用基于字典训练的全色锐化算法对低分辨率多光谱图像放大，该方法放大后的多光谱图像保留了源图像的更多光谱特征，减少了插值方法对融合结果造成的光谱失真。然后，采用基于字典训练的多光谱图像的低频系数作为融合图像的低频系数，以保留更多的光谱信息;同时，高频融合规则采用基于局部区域方差匹配度进行融合系数的选取，以更多地增强多光谱图像的细节纹理信息。最后，将基于字典训练的多光谱图像的低频系数和融合后的高频系数进行NSCT逆变换得到融合图像。实验结果表明，对于空间分辨率之比为4∶1的全色与多光谱图像融合，该算法既增强了多光谱图像的空间分辨率且光谱保持较好。

目录

声明

摘要

第1章 绪论

1．1 多光谱与全色图像融合的研究背景

1．2 多光谱图像融合的国内外研究现状

1．3 多光谱图像融合的原理和过程

1．4 图像融合的评价标准

1．5 本文组织结构

第2章 多光谱图像融合已有算法介绍

2．1 基于最大频谱及空间相似度的多光谱与全色图像融合

2．1．1 算法概述

2．1．2 算法性能分析

2．1．3 算法存在的缺点

2．2 基于Shearlet变换的自适应图像融合算法

2．2．1 算法的介绍

2．2．2 算法性能分析

2．2．3 算法存在的缺点

2．3 本章小结

第3章 基于局部相关性的遥感图像全色锐化算法

3．1 引言

3．2 基于局部相关性的遥感图像全色锐化算法

3．2．1 局部相关系数

3．2．2 结构相似性度量

3．2．3 算法实现

3．3 实验结果与分析

3．4 本章小结

第4章 基于字典训练和区域特征的多光谱图像融合算法

4．1 基于字典训练的全色锐化算法

4．1．1 算法介绍

4．1．2 实验结果分析

4．1．3 算法总结

4．2 基于区域特征的多光谱图像融合算法

4．2．1 区域特征

4．2．2 算法实现

4．3 实验结果与分析

4．4 本章小结

第5章 多光谱与全色图像融合算法可视化演示

5．1 图形用户界面概述

5．2 多光谱与全色图像融合可视化界面

5．2．1 图像输入

5．2．2 图像融合

5．2．3 计算客观评价指标

结论与展望

参考文献

致谢

攻读硕士学位期间发表的论文及参与的科研项目