论文部分内容阅读
随着卫星遥感技术的发展,遥感图像融合技术研究吸引了越来越多研究者的目光。遥感图像融合是将多源遥感图像进行综合分析与合并,从而获得更为精确、全面和可靠的遥感图像的过程。本论文基于变分法理论提出四种遥感图像融合模型。特别地,其中三种模型针对遥感图像融合问题的一个分支——Pan-sharpening融合。本论文的基本思路是基于不同假设提出相应的能量泛函,并通过求解能量极小化问题得出融合结果。在数值计算上,本论文介绍了分裂Bregman快速算法,利用该算法进行数值处理,时间效率更高,得到的结果更稳定。具体地,本论文的研究内容包括：·基于融合后图像的梯度信息应由原始图像最显著信息组成的假设,本论文提出一个像素级的变分融合模型。该模型首先提取原始图像的梯度,并将该梯度按一定规则合并,然后将合并后的梯度作为融合图像的梯度,并考虑到亮度均衡化等特征,建立一个能量泛函,从而提高图像融合的效果。本论文通过分裂Bregman迭代高效的实现模型的数值计算过程,并从定性、定量和效率等方面出发分析该模型的有效性。·在Pan-sharpening问题上,基于融合结果需要同时保持空间信息、光谱信息和光谱相关度的特性,本论文首先提出三个假设,并据此建立一个变分模型：VP模型。进一步地,本论文从变分法理论上验证VP模型能量极小值的存在性,并利用分裂Bregman算法来实现数值计算。另外,为了更有效的对Pan-sharpening结果进行评价,本论文对现有评价标准进行合理的整理和分类。在实验方面,本论文采用QuickBird和IKONOS卫星提供的遥感数据来验证VP模型的有效性,并从定性、定量和效率等方面综合对实验结果进行评价。·本论文将Framelet理论引入至Pan-sharpening问题当中,并据此建立两个基于Framelet的Pan-sharpening模型：FP和VFP模型。FP模型是简单的系数选择模型,该模型简单有效,但是结果唯一、不可调节。为适应多样性需求,本论文进一步提出一个基于Framelet的变分模型：VFP模型,该模型适应能力更强,在Pan-sharpening问题上更有效。本论文采用交替迭代和分裂Bregman实现数值计算,并采用Quickbird和IKONOS卫星数据从主观和客观上对实验结果进行总体评价,从而证实我们方法良好的实验效果和实用价值。最后,本论文分析比较VP和VFP模型,并给出各自的优缺点和适应范围。实验结果标明,在低噪声图像中,VP优于VFP,而在噪声明显的图像中,VFP则更优越。