衛(wèi)星多源遙感圖像融合技術(shù)的研究.pdf

1、近年來,多源遙感圖像融合已經(jīng)成為遙感應(yīng)用領(lǐng)域和圖像工程領(lǐng)域的研究熱點.它是為解決快速、有效處理多源傳感器提供的海量數(shù)據(jù)這一問題而提出的一門新興技術(shù).多源遙感圖像融合技術(shù)可以將多源傳感器的圖像數(shù)據(jù)進行關(guān)聯(lián)和復(fù)合,產(chǎn)生出比單一信息源更精確、更完整、更可靠的估計和判斷.圖像融合分為三個層次:像素層、特征層和決策層.該論文的工作是在像素層和特征層展開的,取得了一些有新意的成果.論文的主要工作和成果包括:在像素層,論文研究了多傳感器數(shù)據(jù)融合理論及

2、遙感圖像預(yù)處理的過程和步驟,歸納了多源遙感圖像像素層融合的常用算法,并針對目前遙感數(shù)據(jù)呈海量化、復(fù)雜化這一發(fā)展趨勢同遙感信息提取的能力和效率滯后這一矛盾,在SFIM算法的基礎(chǔ)上,將IHS變換與SFIM相結(jié)合,將原算法中的均值濾波器改進為自適應(yīng)加權(quán)均值濾波器,提出了一種改進的SFIM算法,通過對一組多光譜圖像和全色圖像的雙傳感器融合仿真對比試驗,證明了該算法在保持原多光譜圖像光譜信息的同時,能夠有效提高融合圖像的空間分辨能力.由于該算法簡

3、潔,更適合用于那些需要快速交互處理和實時可視化的融合系統(tǒng).在特征層,論文研究了基于Markov隨機場的圖像分類方法.在詳細討論Markov隨機場基本理論的基礎(chǔ)上,論述了基于MAP-MRF框架的圖像分類算法及該算法實現(xiàn)過程中的組合優(yōu)化問題.針對遙感圖像非監(jiān)督分類中的參數(shù)估計問題,重點討論了EM-MRF迭代算法的原理和實現(xiàn),并將EM-MRF迭代算法引入到多源遙感圖像融合的過程中,提出了兩種分別基于集中式融合模型和分布式融合模型的圖像融合方法