基于Shearlet变换的多源遥感图像融合算法研究

摘要

图像融合就是将不同传感器获得的相同目标源的多张图像融合成一张图像的过程。随着传感器技术的不断发展，图像融合技术在医学图像、军事和遥感等领域都取得了广泛应用。本文以Shearlet变换为理论依据，针对不同遥感图像的成像特点，提出了适用于不同类型图像的融合算法。
　　针对多光谱和全色图像的成像特点，本文结合区域分割理论提出了一种基于Shearlet变换的遥感图像融合算法。在该算法中，对低频信息图进行基于灰度的区域分割，并使用改进的加权融合算法来改善融合图像轮廓模糊问题，以区域匹配度作为融合规则；高频分量采用区域清晰比作为融合规则，以得到更多的细节信息。结果表明，本文算法所得融合图像在有效地保持了多光谱图像光谱信息的同时，提高了空间细节信息。与经典的非下采样Contourlet变换(NSCT)相比，标准差和信息熵分别提高了19.9％和2.4%，光谱扭曲度减小了35.0%。
　　针对SAR、红外和可见光图像的成像特点，通过对脉冲耦合神经网络(PCNN)的研究，提出一种基于非下采样Shearlet变换(NSST)与改进PCNN相结合的遥感图像融合算法。在该算法中，对低频子带系数，通过一个软限幅Sigmoid函数得到的点火幅度作为融合准则，并将点火幅度的最大值作为低频子带融合系数；对高频子带系数，将改进的空间频率作为PCNN的输入，拉普拉斯能量作为PCNN的链接强度，选取点火次数最大值作为高频子带融合系数。实验结果表明，本文算法在主观视觉效果和客观评价指标上都优于基于小波变换和NSCT变换的融合算法。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景及意义

1.2 研究进展与现状

1.3 研究内容和主要创新点

1.4 论文组织结构

第二章 图像融合的相关理论

2.1 图像融合理论简介

2.2 图像融合效果评价

2.3 本章小结

第三章 多尺度图像融合理论分析

3.1 多尺度图像融合方法

3.2 基于小波变换的遥感图像融合

3.3 基于非下采样轮廓波(Contourlet)变换的遥感图像融合

3.4 Shearlet变换

3.5 离散Shearlet变换

3.6 非下采样Shearlet变换

3.7 本章小结

第四章 基于Shearlet与区域分割相结合的遥感图像融合

4.1 遥感图像成像特点

4.2 区域分割与区域关联

4.3 基于Shearlet与区域分割相结合的多光谱和全色图像融合算法

4.4 实验结果与分析

4.5 本章小结

第五章 基于非下采样Shearlet与改进PCNN的遥感图像融合

5.1 脉冲耦合神经网络(PCNN)

5.2 改进的PCNN模型

5.3 基于非下采样Shearlet和改进PCNN相结合的遥感图像融合算法

5.4 实验结果与分析

5.5 本章小结

第六章 总结与展望

6.1 全文总结

6.2 工作展望

参考文献

发表论文和科研情况说明

致谢