2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩80頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、遙感圖像融合是整合源圖像中的互補(bǔ)信息,去除相互間的冗余信息,從而獲得一幅可信度高、目標(biāo)更清晰的融合圖像,以便于人眼視覺判讀和后續(xù)的計(jì)算機(jī)處理。
  本文以稀疏表示理論為基礎(chǔ),對遙感圖像融合做了探索性的研究。本文主要工作如下:
  1.將稀疏表示理論引入遙感圖像融合,采用訓(xùn)練字典對圖像進(jìn)行稀疏表示。訓(xùn)練字典具有更好的自適應(yīng)性和靈活性,能很好地對具有復(fù)雜特征的遙感圖像進(jìn)行表示;本文利用SFIM模型能將高分辨率圖像的細(xì)節(jié)信息有效注

2、入到低分辨率圖像中這一優(yōu)勢,對IHS變換后的I分量和全色圖像進(jìn)行SFIM運(yùn)算;本文采用空間頻率取大的融合規(guī)則對稀疏系數(shù)進(jìn)行融合,該規(guī)則充分利用了圖像間的局部特征,能有效地提高空間分辨率。通過多組實(shí)驗(yàn)分析表明,該算法能在提高空間分辨率的同時(shí)更好的保持光譜特性。
  2.針對基于訓(xùn)練字典的遙感圖像融合算法的光譜信息保留不夠,利用小波變換具有光譜保持特性的優(yōu)勢,將小波變換與稀疏表示相結(jié)合并用于遙感圖像的融合過程中。分析小波變換后的高低頻

3、數(shù)據(jù),對具有不同數(shù)據(jù)特性的高頻和低頻數(shù)據(jù)分別進(jìn)行融合。由于低頻數(shù)據(jù)是原始圖像的逼近數(shù)據(jù),系數(shù)大部分不等于0,不可以看做是“稀疏的”。因此,用訓(xùn)練字典對低頻數(shù)據(jù)進(jìn)行稀疏表示;高頻數(shù)據(jù)是對原始圖像顯著信息的反映,其大部分系數(shù)接近于或等于零,可以看做是“稀疏的”,可以直接對其進(jìn)行融合。本文采用基于圖像信息的融合規(guī)則對高頻數(shù)據(jù)進(jìn)行融合,該規(guī)則能同時(shí)考慮系數(shù)本身以及其領(lǐng)域內(nèi)系數(shù)的相關(guān)性,能保留高頻系數(shù)中含有的邊緣和細(xì)節(jié)等信息。通過多組實(shí)驗(yàn)分析,該

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論