论文部分内容阅读
近年来,随着遥感技术的水平和实现手段的高速发展和新型的高精度、高灵敏度的成像传感器的出现,使得人们获取遥感图像数据的能力也随之在不断的提高。目前,遥感技术的应用领域主要体现在实现多个成像传感器之间的共同协作、对获得的高分辨率的遥感图像的正确解释以及对获得的高分辨率的遥感图像的多时相描述。正是由于获取遥感图像数据过程中使用了具有不同物理特性的成像传感器且获取到的数据正在不断的增多。比如,对于同一个地区可以同时通过不同的成像传感器来获得大量的不同光谱、不同尺度和不同时相的来自不同源的遥感图像数据信息。然而,由于采集这些遥感图像所使用的传感器的不同物理特性使得这些采集到的遥感图像数据在时间、空间和图像分辨率等方面存在很大的差异,并且由于所使用的各种传感器具有不同的获取方式和手段使得获取到的遥感图像数据之间又各具特点,所以对于多源遥感图像协同处理技术应用而言,主要障碍不在于遥感图像数据来源的不足,也不在于所获取的遥感图像的数据量的不足,而是在于如何将这些获取到的源数据中对于同一区域的图像所提供的信息,进行有效地互补并进行结合。所以,如何完成对多源遥感图像的压缩、图像的匹配和图像的融合一直是遥感图像处理领域的研究热点。
随着我国综合实力的提升,近年来我国的遥感事业也有了长足的发展,主要体现在国家对新型的遥感平台及其软硬件和先进的遥感技术的投入也越来越多。随着遥感X系列卫星,北斗系列卫星和北京一号卫星的发射和在轨运行,使得遥感图像数据的获取手段越来越丰富,同时获得的遥感图像数据也越来越多。这就使得近年来我国遥感技术领域研究面临的是如何将获得的这些遥感图像数据进行有效的存储和组织并对这些数据进行相关的处理与应用的重要问题。遥感这项技术是先通过相关的仪器对目标进行探测,并获取到目标的相关信息,然后对所获得的目标的几何信息和物理属性进行深度的加工、分析和处理,从而能实现对该目标进行精确定位,并能够完成对目标进行定量或定性的描述。它是一种通过物理手段来获取目标的信息数据、通过地学方法对目标进行分析和利用数学方法对目标进行建模的综合的图像数据的应用新技术。对目标信息的获取手段主要是通过大气中的电磁波,这些电磁波是从目标自身辐射或反射而来的,传感器就是接收这些从目标反射或辐射来的电磁波信息的设备,而前面提到的遥感平台就是搭载这些传感器的载体。由于所探测的地面目标的种类的不同及目标所处的位置和周围的环境条件的不同,同时这些地面目标具有的这种辐射自身的热量或反射照射到自己身上的不同波长的电磁波的特性,使得遥感技术有了用武之地。因为遥感技术正是利用地面目标的这种辐射或反射电磁波的特性,通过对要探测的目标的电磁波信息进行加工、分析和处理来获取地面目标的几何信息和物理属性。
不同的遥感平台所搭载的成像传感器的种类也不尽相同,最常见的搭载设备是可见光、雷达、红外和高光谱等传感器,这些设备能对目标进行成像。不同遥感平台搭载的不同传感器所获得的图像数据之间在分辨率和成像时间上存在着巨大差异。在对这些对于同一区域的遥感图像数据(这些数据是由不同的传感器和不同的遥感平台所获取到的)进行图像数据的深度加工和相关的处理时,传统的针对单源传感器所获取的遥感图像进行处理的技术与方法已经不再适用。
本文主要研究多源遥感图像处理的关键技术,旨在提出对于多源遥感图像进行相关处理的通用方案。主要工作如下:
对图像压缩的现状进行了相应的阐述,并介绍了图像压缩的相关知识和相关技术;在此基础上提出了一种全新的谱间预测模型,同时改进了JPEG.LS的基于上下文的预测模型。使用两种模型相结合分别用来消除空间冗余和谱间冗余;提出了一种自适应编码模型一并行固定编码。该编码模型的编码效率很高,计算复杂度又很低,易于硬件实现。综合考虑编码效率和复杂度,该编码模型很适合用于空间数据压缩。结合提出的预测模型和编码模型,提出了一种基于改进预测编码的图像压缩算法,并通过实验验证了算法的有效性:对基于预测编码的图像压缩算法的设计过程进行了详细的阐述。最后对提出的算法进行了性能上的分析,并与经典的压缩算法进行了比较。
对多源遥感图像匹配进行了相关的概述,对地图匹配制导的基本工作原理和常用的算法进行了介绍并总结了误差对各种算法的影响,在此基础上,对Hausdorff距离的缺点进行了改进,提出了基于改进Hausdorff距离的演化图像匹配算法。该算法的实验结果与SSDA算法和传统的遗传算法相比,给出了这些方法各自的优缺点及适用范围。
介绍了多源遥感图像融合的基本知识、图像融合的数学基础、评价图像融合效果的评价准则。针对传统的HIS变换方法在融合高分辨率图像和多光谱图像时的光谱信息容易丢失的问题进行分析,考虑到HIS变换的过程,正是由于高分辨率(SPOT)图像和多光谱(TM)图像的亮度分量之间的光谱特性不一致而导致了融合后的图像的光谱失真,我们提出了一种改进的方法,即不使用全色图像直接代替多光谱图像的,分量,而是采用基于HPF滤波的HIS图像融合方法。在该方法中,利用HPF滤波器,通过HIS空间对SPOT图像和TM图像的Ⅰ分量进行高通滤波,这样就可以提高SPOT图像和TM图像的亮度成分之间的相关程度,使得它们的光谱信息更接近,这样就能更好的保持原始图像的光谱信息内容。在此基础上,我们通过大量的实验验证了该方法的有效性。
小波变换在空域和频域的处理具有明显的优势,多光谱图像中的光谱信息通过这种方法可以更好地被保留,但由于该方法会将高分辨率图像的低频分量在处理过程中进行舍弃,导致了振铃效应在逆变换的结果中的出现。本文在此基础上,提出了新的基于改进小波变换的图像融合方法,与传统小波变换相比,克服了传统WT方法在进行变换时对高分辨率图像的低频分量进行了舍弃,使得在进行小波逆变换后的结果中会出现振铃效应这个缺点。该方法结合高分辨率图像的低频分量和多光谱图像的低频分量进行处理并产生出新的低频分量,然后再将新产生出来的低频分量和高分辨SPOT图像中的高频分量进行结合,并对其进行小波逆变换,这样使融合后的图像不仅能较好地对光谱信息进行保留而且能对空间分辨率进行最大限度地保留。实验结果表明:这种基于改进小波变换的图像融合方法能获得比传统WT方法更好的融合结果。
综上所述,本文比较全面地研究了多源遥感图像处理中的图像压缩、图像匹配和图像融合这三种技术的原理、方法、性能评价和相关算法,并在深入研究的基础上提出了相关的改进算法,并通过大量的实验样例验证了所提出的这些新的方法的有效性,实验结果表明:提出的这些新方法具有良好的性能,这些方法的提出对以后的研究工作以及对于遥感图像处理的工程应用都有积极的意义。