论文部分内容阅读
对于大多数遥感应用,为了探测地球表面上的优良特性,人们需要空间分辨率最佳的图像。此外,为了区分不同地面覆盖物,高光谱分辨率图像也同样是最需要的。现代遥感卫星提供的图像,或者是高空间分辨率如全色图像,或者是高光谱图像如多光谱图像。然而,对于某些应用,需要改善多光谱图像的空间分辨率。这个过程叫做锐化。这个过程需要在一个更高的空间分辨率图像上来合成多光谱图像,而这个高空间分辨率图像是由另一种方式获取的高分辨率的图像。图像融合的目的是获取更高的质量信息,但是“更高的质量”的确切定义要取决于实际应用。在遥感领域的图像融合算法,其主要目的就是保持数据的光谱和空间分辨率的保真度。通过比较不同的图像融合技术分析显示,虽然融合图像的质量有了很大的提高,但是上述要求的问题是仍需要进一步关注和研究。本文主要是以多光谱与全色图像融合为核心领域而展开的研究。主要进行的研究工作有以下几点：(1)分析多光谱与全色图像融合的研究背景、研究意义以及研究现状,列举一些目前在图像融合领域存在的问题,并介绍今后的发展方向。(2)介绍图像融合领域最常用的质量评价方法和传统的几种算法,包含了主观和客观的质量评价方法和基于HIS变换的融合算法、基于PCA变换的融合算法、基于lαβ变换的融合算法与基于Brovey变换的融合算法。最后,对这些传统的融合方法进行了实验分析,并依据质量评价标准对这几种融合方法进行了评价,引入了基于HIS变换的融合框架。(3)对平移不变离散小波变换SIDWT的研究,首先介绍了传统的小波变换,分析了小波变换的优缺点,引出了SIDWT变换。并根据SIDWT变换理论,提出了基于区域特征的SIDWT融合方法,着重对融合规则进行了详述,给出了融合流程,并进行实验分析和对比,验证了该算法的有效性。(4)详细阐述了拉普拉斯变换和基于梯度的结构相似度GSSIM理论,基于此,提出了基于遗传算法的拉普拉斯图像融合算法。对融合规则进行了详述,并对第一层使用了遗传算法进行融合,对遗传算法中的标函数即适应度函数进行了详述,还有复制、交叉、变异因子等,对其他塔层使用了区域最大能量的方法进行融合；最后通过实验结果与分析,证明了该方法的有效性。