基于压缩感知理论的卫星遥感图像融合算法研究

摘要

近年来，随着航天技术的快速发展，携带多种传感器的遥感卫星相继发射上空，不同空间分辨率的卫星遥感数据异常丰富，尤其是我国的北斗导航卫星组网成功，这使得研究如何从这些遥感影像中获取更加丰富、更有用和更加可靠的信息处理技术，成为当前遥感应用领域迫切需要解决的重点问题。多源遥感图像融合是将不同传感器获取的同一地区的卫星图像数据进行处理，以便提高获取信息的质量，达到信息优势互补。本文作为“××项目”的重要组成部分，以高分辨率全色图像和低分辨率多光谱图像的融合作为研究对象，以IHS变换、PCA变换和离散小波变换等经典的融合算法为基础，对遥感影像融合算法进行了深入的研究。从2006年被首次提出而空前快速发展起来的压缩感知理论，由于摒弃了全采样，将对信号的采样转变为对信息的采样，大大的降低了传统信号获取和处理流程中的潜在消耗。我们创新性的将压缩感知理论应用到卫星遥感融合算法中，提出了全新的融合算法。所做的主要工作如下:
　　论文首先研究了卫星遥感图像融合前的配准技术，提出了基于SURF理论的配准算法。它是一种新的快速兴趣点检测与描述方法，该算法引入积分图像和模板近似，通过快速Hessian检测子来检测特征点，在特征描述阶段采用一阶Haar小波响应来确定主方向和计算64维的特征点描述子，再根据描述向量之间的欧氏距离实现图像间的特征点匹配。实验仿真表明，该配准算法在精确配准的同时保证了实时性，较传统的配准算法性能更佳。
　　接着讨论了基于压缩感知理论的卫星遥感图像融合算法。在传统的IHS变换、PCA变换和离散小波变换等融合方法的基础上，引进压缩感知理论，提出了基于压缩感知理论和IHS变换相结合的融合算法（CS-IHS算法）和基于压缩感知理论、对称分数B样条小波以及PCA变换相结合的融合算法(CS-FWT-PCA)。在CS-IHS算法中使用“Daubechiesl3”小波作为稀疏基，测量矩阵使用部分哈玛达矩阵，使用SAMP重构算法，融合规则使用系数绝对值最大法;在CS-FWT-PCA算法中，引进对称分数B样条小波作为稀疏基，依然使用哈玛达矩阵作为测量矩阵和SAMP重构算法，提出了改进的基于区域特征选择的融合规则。实验仿真效果表明，两种算法都比传统的融合方法取得较好的融合效果，其中基于CS-FWT-PCA的融合算法的融合效果最佳。

目录

声明

致谢

摘要

1 绪论

1．1 研究背景和意义

1．2 国内外研究现状

1．2．1 压缩感知理论的研究现状

1．2．2 卫星遥感图像融合的研究现状

1．2．3 卫星遥感图像融合简介及融合性能评价

1．3 论文的研究内容和结构安排

2 应用于卫星遥感图像融合中的压缩感知理论

2．1 引言

2．2 压缩感知理论

2．3 信号稀疏表示

2．4 信号的测量

2．4．1 测量矩阵的特性

2．4．2 常见测量矩阵分析

2．5 信号重构

2．5．1 正交匹配追踪算法

2．5．2 压缩采样匹配追踪算法

2．5．3 稀疏自适应匹配追踪算法

2．5．4 重构算法性能比较

2．6 本章小结

3 基于SURF理论的卫星遥感图像自动配准算法

3．1 引言

3．2 遥感图像配准的一般模型

3．2．1 图像配准的数学定义

3．2．2 图像配准的框架模型

3．2．3 基于特征的图像配准方法的基本步骤

3．3 基于SURF理论的遥感影像自动配准算法

3．3．1 特征检测

3．3．2 特征描述

3．3．3 实验结果与分析

3．4 本章小结

4 基于CS-IHS的卫星遥感图像融合

4．1 引言

4．2 传统的基于IHS空间变换的图像融合

4．2．1 IHS彩色模型

4．2．2 基于IHS空间变换的遥感图像融合算法

4．3 基于CS-IHS的卫星遥感图像融合

4．3．1 确定稀疏域、测量矩阵和重构算法

4．3．2 确定融合规则

4．3．3 基于CS-IHS的卫星遥感图像融合算法

4．4 实验结果与分析

4．5 本章小结

5 基于CS-PCA-FWT的卫星遥感图像融合

5．1 引言

5．2 传统的基于PCA的图像融合

5．2．1 PCA变换

5．2．2 图像主分量分析

5．2．3 基于PCA变换的图像融合算法

5．3 基于CS-FWT-PCA的卫星遥感图像融合

5．3．1 分数阶B样条小波变换

5．3．2 确定融合规则

5．3．3 基于CS-FWT-PCA的卫星遥感图像融合算法

5．4 实验结果与分析

5．4．1 对称分数B样条小波阶数分析

5．4．2 与传统融合算法的比较分析

5．5 本章小结

6 结论

6．1 工作总结

6．2 工作展望

参考文献

作者简历

学位论文数据集