论文部分内容阅读
PANSHARPENING是遥感图像融合的重要技术之一,它的基本思想是利用高分辨率的全色图像增强低分辨率的多光谱图像的分辨率。融合图像在遥感图像解译、制图等领域中有着广泛的应用,也为分类等其他遥感图像后期处理做了充分的准备。空间分辨率之比在[6:1,10:1]区间的高倍率PANSHARPENING在多源遥感图像融合中具有重要和特殊的地位,相对于低于4:1的低倍率融合,更多的因素制约着高倍率融合结果图像的质量,常用的低倍率融合方法在高倍率融合中有不同程度的局限性。所以,研究高空间分辨率倍率的融合具有一定的科学意义和应用价值。论文的主要研究工作和结果如下:
1.总结PANSHARPENING融合图像光谱失真的主要类别,探讨了光谱失真的因为和内在机理。在此基础上指出制约高倍率融合的主要因素:待融合图像间的配准精度和线性插值重采样放大低分辨率多光谱图像。基于特征的多分辨率配准的思路能有效地保证配准精度。
2.从遥感图像成像的过程深入研究了传感器的光谱响应对成像的影响,在此基础上分析了全色和多光谱传感器间的光谱响应间的关系对PANSHARPENING融合图像保持光谱特征具有重要的作用。论文用光谱响应函数改进SVR融合方法,提出了一种基于光谱响应调节的SRF-SVR融合方法,在IKONOS-2全色与多光谱图像融合实验中表现好,具有保持光谱特征和计算便捷的优点。
3.研究了高分辨率多光谱图像与低分辨率多光谱图像间的灰度关系以及与高分辨的全色图像间的空间几何特征关系,论文提出基于优化的参考高分辨率全色图像的低分辨率多光谱图像放大方法RP-Enlarge(Enlarge ReferencingPanchromatic),RP-Enlarge在仿真图像和遥感图像实验中效果明显。
4.基于第2、3点的研究,论文提出一种新的可变融合模型OptVM(OptimizableVaratinal Model),将二次型新融合模型的规整化转换成线性超定系统的优化,采用了适合具有大量稀疏矩阵的大型线性系统优化算法--LSQR。用QUICKBIRD、IKONOS-2、CBERS-02B图像数据实验检验了OptVM。OptVM能很好地解决高倍率融合中产生的异质区域过渡边缘出现的虚化或光谱混合失真问题,适合光谱响应函数重叠度较好的高倍率全色与多光谱图像融合。