高光譜圖像融合算法研究.pdf

1、高光譜遙感圖像包含了大量的數(shù)據(jù)，波段之間的相關(guān)性較高，采用信息融合技術(shù)可以降低分析難度。通過遙感手段獲得的遙感圖像的研究能夠獲取對同一事物或目標(biāo)的更為全面、客觀及本質(zhì)上的認(rèn)識。由于高光譜圖像的特殊性，決定了融合的手段和目的不同于一般的圖像數(shù)據(jù)融合。本文探討了一些傳統(tǒng)的和較新的高光譜圖像融合算法，并以小波多分辨率分解與重構(gòu)為基礎(chǔ)，提出一種在高頻系數(shù)上使用PCNN網(wǎng)絡(luò)進(jìn)行選取融合的算法準(zhǔn)則。 具體內(nèi)容主要包含以下三個部分：

2、介紹了遙感成像、遙感圖像融合的概念，以及目前國內(nèi)外遙感圖像融合技術(shù)的發(fā)展現(xiàn)狀。并介紹了圖像融合的層次和目的，本文采用的高光譜圖像數(shù)據(jù)空間的特點(diǎn)和評價圖像融合質(zhì)量的一些技術(shù)指標(biāo)。為了更加突出融合的目的性，相比于以往的統(tǒng)計指標(biāo)方法還采用分類精度的方法評價融合的質(zhì)量。 介紹了傳統(tǒng)的一些從圖像增強(qiáng)算法發(fā)展而來的融合算法，例如高通濾波融合法、IHS變換法、主成分分析(PCA)等方法。另外詳細(xì)地介紹了小波變換方法，分別介紹了傳統(tǒng)小波變換和第

3、二代提升小波變換。在對圖像采用一種自動子空間劃分的方法劃分為若干子空間后，在各個子空間層次上對各波段圖像進(jìn)行分解重構(gòu)，在融合準(zhǔn)則上，低頻系數(shù)分別采用均值加權(quán)和方差加權(quán)的方法，高頻系數(shù)分別采用局部方差加權(quán)和局部能量加權(quán)方法。對各種融合方法得到的融合圖像進(jìn)行了比較評價。 在對圖像使用一種二代提升小波進(jìn)行分解的基礎(chǔ)上，對高頻系數(shù)采用脈沖耦合神經(jīng)網(wǎng)絡(luò)進(jìn)行選取的融合算法。通過合理的神經(jīng)元參數(shù)的設(shè)定，最終的仿真融合圖像結(jié)果同傳統(tǒng)的高頻系數(shù)采