论文部分内容阅读
遥感图像融合,是图像融合领域的一个重要分支。随着现代卫星技术的发展,搭载在卫星上的传感器越来越多,为了得到综合各种信息的图像,遥感图像融合技术被提出。遥感图像融合技术有很多方向,本文研究的是光-谱图像融合,具体来说,从卫星上获取的图像,有侧重于空间分辨率的全色图像,也有侧重于光谱信息的多光谱图像,为了得到既蕴含丰富空间信息又蕴含丰富光谱信息的图像,光-谱遥感图像融合技术被提出。融合得到的遥感图像被广泛应用于军事侦察、地理勘探、城市规划等诸多领域。本文首先对遥感图像融合算法的相关概念和研究现状进行了介绍和分析,并详细介绍和说明了多尺度分解工具-非下采样Contourlet变换(NSCT变换)的原理。之后,提出了一种基于NSCT变换的多尺度遥感图像融合算法(SR-GUIDE)。针对NSCT变换分解后的低频子带信息,本文采用了一种基于稀疏表示的低频子带信息融合规则。关于稀疏表示过程中需要使用的超完备字典,首先通过离散余弦变换(DCT变换)构建初始化字典,之后对输入的源图像进行分块并转换为向量,再对初始化DCT字典进行训练,最后得到理想化的超完备字典。这样可以有效地提升超完备字典的自适应性,减少光谱信息的缺失。针对NSCT变换分解后的高频子带信息,本文提出了一种基于引导滤波的高频子带融合规则,首先使用引导滤波对高频子带信息进行过滤,提取出空间细节信息,然后利用注入法对高频子带进行融合。这种方法可以有效地保留高频子带中的空间细节信息。之后进行了相关实验,采用控制变量法对融合算法中的可变参数进行了参数控制实验,并选取了最优的参数,然后将新的融合算法从主客观两方面与对比算法进行比较,说明本算法在主客观两方面都优于对比算法。最后,本文对之前算法进行了优化。在低频部分,提出了一种基于显著性检测的低频子带融合规则,首先基于图像的颜色和空间对比度得出显著性矩阵,根据显著性矩阵确定图像哪些区域蕴含丰富的光谱信息,然后以显著性矩阵为指导,在特定区域以加权的方式进行融合,这样既优化了原来算法在低频融合时运行效率过低的问题,又保证了低频子带信息的完整性。在高频部分,提出了一种基于边缘决策的高频子带融合规则。首先利用高频子带进行分析决策,分别得到边缘区域和非边缘区域,然后针对不同的区域采取不同的方式进行融合,在边缘区域采用替换的方式进行融合,在非边缘区域,提出了基于相关区域综合梯度为阈值判断的融合方法。改进后的高频融合规则将高频子带信息细化分解,有效地改善了之前算法在高频子带融合过程中容易出现的信息丢失的情况。然后,将改进后的算法与之前的算法进行了主客观两个方面的比较。由多组实验结果可知,优化后的算法(EDGE-SL)在各项指标和主观表现力方面均优于第3章实验(SR-GUIDE)和对比算法,在运行效率上,平均将算法时间加快了9s左右。