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(shí)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(jì)劃等資助的相關(guān)課題，主要開展了三個(gè)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(gè)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(yàn)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(jì)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(shí)也考慮到了紋理特征對于融合效果的影

5、響。實(shí)驗(yàn)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(gè)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(yàn)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(yàn)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(shí)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(shí)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(gè)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(yàn)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(shí)，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)