多光譜遙感圖像融合技術(shù)研究.pdf

1、隨著傳感器技術(shù)的飛速發(fā)展，通過遙感手段獲取的不同來源并具有不同特點(diǎn)的圖像的數(shù)據(jù)量大幅度增長，給其存儲、傳輸以及后續(xù)處理工作帶來了沉重的負(fù)擔(dān)。這些多源圖像數(shù)據(jù)所包含的信息之間往往同時存在著互補(bǔ)性和冗余性，因此，著眼于從其中提取出更精煉、更有用、具有更高質(zhì)量信息的圖像融合技術(shù)受到了越來越多的關(guān)注。作為一類重要的遙感圖像，多光譜遙感圖像的融合技術(shù)研究已經(jīng)成為圖像融合技術(shù)研究的重點(diǎn)與熱點(diǎn)，并在近二十年中涌現(xiàn)出了許多優(yōu)秀的融合算法。本文結(jié)合國家自

2、然科學(xué)基金以及973計劃等資助的相關(guān)課題，主要開展了三個方面的多光譜遙感圖像融合算法研究：多波段圖像的融合算法研究，多光譜與全色圖像的融合算法研究，多光譜與高光譜圖像的融合算法研究。論文主要研究內(nèi)容及成果如下： (1)基于正交小波變換的多波段圖像融合技術(shù)——AVA-RS算法通過對參與融合的源圖像所含信息關(guān)系的分析與研究，建立了用于度量圖像信息量和圖像問信息冗余程度的新測度(絕對值活躍度AVA和區(qū)域相似度RS)，并在圖像正交小波變

3、換系數(shù)特性分析的基礎(chǔ)之上，提出了基于AVA和RS的圖像融合算法(AVA-RS算法)。該算法通過正交小波變換實(shí)現(xiàn)源圖像空間高、低頻特征的分離，并使用AVA和RS這兩個新的測度準(zhǔn)則分析源圖像空間高頻特征之間的信息互補(bǔ)性和冗余性，最終確定融合準(zhǔn)則。實(shí)驗表明，AVA-RS算法的融合結(jié)果質(zhì)量優(yōu)于同類經(jīng)典融合算法，并且適用于多種類型的圖像的融合處理，推廣性較強(qiáng)。 (2)基于冗余小波變換的多波段圖像融合技術(shù)——RWT-IOTF-SCC算法對于

4、多光譜遙感圖像而言，紋理特征是除光譜特征之外的另一類重要的圖像特征，因此，在其融合中應(yīng)給予一定的重視。以紋理能量法為基礎(chǔ)提出了綜合有向紋理特征(IOTF)的概念，并建立了相應(yīng)的計算方法，在此基礎(chǔ)之上提出了一種新的多波段圖像融合算法——基于冗余小波域綜合有向紋理特征重要中心系數(shù)的圖像融合算法(RWT-IOTF-SCC算法)。該算法將多光譜圖像的光譜信息和形態(tài)信息進(jìn)行了有機(jī)的結(jié)合，在保持源圖像光譜特征的同時也考慮到了紋理特征對于融合效果的影

5、響。實(shí)驗表明，對于含有大量紋理特征的圖像，該算法的融合結(jié)果優(yōu)于同類經(jīng)典算法，其融合結(jié)果能夠更好地保持源圖像的特征(尤其是紋理特征)。 (3)多光譜和全色圖像融合技術(shù)——X-LIE-LIEDP算法在對圖像中的空間有效高、低頻信息以及高頻噪聲信號的信息量及其分布特點(diǎn)的分析基礎(chǔ)之上，定義了局部信息熵(LIE)及其分布特征值(LIEDP)兩個新測度，并在此基礎(chǔ)之上提出了一種新的多光譜與全色圖像的融合算法——基于局部信息熵及其分布特性的多

6、光譜和全色圖像融合算法(X-LIE-LIEDP算法)。該算法以HIS變換和多分辨分析相結(jié)合的融合模型為基礎(chǔ)，根據(jù)源圖像的LIE和LIEDP取值特點(diǎn)確定融合準(zhǔn)則。實(shí)驗表明，該算法適用于多種常用的多分辨分析方法，在無噪聲條件下，其融合結(jié)果質(zhì)量優(yōu)于或等同于同類經(jīng)典算法；在有噪聲條件下，與同類經(jīng)典算法相比，該算法能夠在保證融合結(jié)果空間及光譜信息質(zhì)量的前提下，有效地抵抗源全色圖像中的噪聲。 (4)多光譜和全色圖像融合技術(shù)——LSRM-MP

7、F 算法通過對同一場景不同空間分辨率遙感圖像在空間上關(guān)系的分析，提出了局部空間退化/恢復(fù)模型(LSD/RM)的概念及其建立方法，并對多光譜和全色圖像融合問題中所涉及的LSRM進(jìn)行了探討，在此基礎(chǔ)之上提出了基于LSRM的多光譜和全色圖像融合算法(LSRM-MPF算法)。該算法的主要思想是通過在相關(guān)圖像間建立的LSRM對多光譜圖像中的空間特征進(jìn)行恢復(fù)。實(shí)驗表明，與同類經(jīng)典算法相比，該算法能夠以較短的運(yùn)算時間獲得較優(yōu)的融合結(jié)果。另外，該算法融

8、合結(jié)果質(zhì)量的可控性、融合結(jié)果在光譜和空間信息質(zhì)量兩方面的均衡性以及運(yùn)算時間的合理性也使得它有著非常廣泛的應(yīng)用前景。 (5)多光譜和高光譜圖像融合技術(shù)——3D-IDWT-MHF算法通過分析多/高光譜圖像數(shù)據(jù)的三維特征，指出三維分析方法更適合于此類數(shù)據(jù)的分析與處理。在對多/高光譜圖像數(shù)據(jù)三維迷向離散小波變換系數(shù)特點(diǎn)的分析基礎(chǔ)之上，提出了基于三維迷向離散小波交換的多光譜和高光譜圖像融合算法(3D-IDWT-MHF算法)。該算法由多光譜

9、圖像譜間重采樣和高光譜圖像空間重采樣、三維迷向離散小波分解、小波系數(shù)合并以及三維迷向離散小波重構(gòu)四個主要步驟組成。此外，針對多光譜圖像譜間重采樣步驟，提出了基于比值圖像的譜問重采樣方法(RIBSR方法)；針對小波系數(shù)合并步驟，提出了AS融合準(zhǔn)則。仿真實(shí)驗表明，RIBSR方法能夠合理有效地對缺失數(shù)據(jù)進(jìn)行插值運(yùn)算，從一定程度上保證了融合結(jié)果的質(zhì)量；3D-IDWT-MHF 算法能夠有效地保持源圖像中的光譜和空間特征，融合結(jié)果的質(zhì)量優(yōu)于采用二維

10、分析的融合方法，尤其是采用AS融合準(zhǔn)則時，能夠獲得質(zhì)量更優(yōu)的融合結(jié)果。 (6)多光譜和高光譜圖像融合技術(shù)——HSDWT-MHF算法基于多/高光譜圖像數(shù)據(jù)三維特征所代表的空間及光譜信息各自的特點(diǎn)，提出了一種新的多光譜和高光譜圖像融合算法(HSDWT-MHF算法)。該算法采用混合型三維離散小波變換(HSDWT)作為分析工具，分別將多/高光譜圖像數(shù)據(jù)中的空間及光譜方向上的高、低頻信息進(jìn)行分離，并根據(jù)小波系數(shù)所屬子帶的數(shù)據(jù)特性確定融合準(zhǔn)