基于QuickBird遥感影像融合及其对影像分类的影响研究

摘要

随着卫星技术的不断发展，对地观测技术也趋于成熟，越来越多的影像数据为科学研究提供了宝贵的资源。如何充分利用这些数据，将其整合成既具有较高空间分辨率又能保持其光谱特性的影像，成为近些年来研究的热点。遥感数据融合技术便应运而生，其作为一个多层次，多角度，多方面的处理过程，对不同的遥感数据信息进行结合，使数据获得更强的信息解译能力与更可靠的分析结果。　　本文首先介绍了遥感影像融合的背景与意义、遥感影像融合的进展与研究现状，具体包括遥感影像融合的层次划分与国内外的研究现状，并分析了现今遥感影像融合技术面临的相关问题及未来的研究发展方向。　　其次，以QuickBird全色（Panchromatic，Pan）影像与多光谱（Multispectral， MS）影像为数据源，进行预处理等相关试验准备工作，包括对影像的均值、标准差、信息熵、相关系数和各波段的光谱特征数据进行分析，计算最佳指数因子OIF，确定用于后续融合试验的最佳波段组合。　　然后，采用将àtrous小波变换与非下采样contourlet变换相结合的方法，同时为降低QuickBird影像在IHS变换导致的颜色偏差，分别对色度分量和饱和度分量进行均值法计算，减小两个分量在色度和饱和度上的差异，最后进行逆变换的融合方法与IHS变换、HSV变换、GS变换、Brovey变换、Ehlers变换、DWT变换、IHS与小波变换、àtrous小波变换、非下采样Contourlet变换的融合试验，并对这十种融合方法进行主观定性与客观定量分析。　　最后，考虑到分类的准确性能更好的检验融合效果的优劣，通过最大似然分类法、随机森林分类法与支持向量机分类法对融合后的影像进行分类和精度评价。通过纵向比较同种分类方法，并结合不同融合方法的分类精度、综合定性评价和定量评价得出àtrous小波与非下采样contourlet变换融合效果最佳；通过横向比较同种分类方法下不同融合算法的效果，得出随机森林分类法的分类精度优于支持向量机分类法和最大似然分类法，最适合本文融合后影像的分类。此外，深入分析了影像融合对分类的影响，对比融合影像和原始影像的分类结果图与精度计算结果，结果表明：融合影像的分类精度有所提高，在原始多光谱影像上不易采样的地物在融合后能很好的采样；原始影像中不能很好区分的地物在融合后可以进行较好的分类；融合影像的分类精度尽管高于未融合影像，但仍存在“同谱异物”、“同物异谱”现象；融合算法的适用性对增强原始影像空间分辨率、保持其光谱特性至关重要，并直接影响到分类的准确性。

目录

声明

1 绪论

1.1 遥感影像融合背景及意义

1.2 遥感影像融合的进展与研究现状

1.3 遥感影像融合面临的问题

1.4 本文的研究内容及章节安排

2 试验数据及预处理

2.1 试验数据选择

2.2 遥感影像预处理

2.3 最佳融合波段选择

2.4 本章小结

3 像素级影像融合算法原理与试验

3.1 基于IHS变换的遥感影像融合

3.2 基于HSV变换的遥感影像融合

3.3 基于GS变换的融合

3.4 基于Brovey变换的融合

3.5 基于Ehlers变换的融合

3.6 基于DWT变换的融合

3.7 基于IHS与小波相结合的融合

4 基于àtrous小波与非下采样contourlet变换的融合

4.1 基于àtrous小波变换的融合

4.2 基于非下采样contourlet变换的融合

4.3 基于àtrous小波与非下采样contourlet变换的融合

5 遥感影像融合效果评价

5.1 主观定性评价

5.2 客观定量评价

5.3 本章小结

6 融合对分类的影响

6.1 遥感影像分类概述

6.2 分类精度评价

6.3 融合影像分类

6.4 分类精度评价及融合影响分析

6.5 本章小结

7 结论与展望

7.1 结论

7.2 存在的不足及展望

参考文献

致谢

攻读硕士学位期间完成成果