多传感器遥感图像信息融合算法研究
【摘要】:
图像融合技术是将多源传感器的图像数据进行关联、复合,产生出比单一信息源更精确、更完整、更可靠的估计和判断。作为一种有效的信息融合技术,图像融合在机器自动识别、地球遥感、计算机视觉、军事侦察和医学图像病变识别等领域都得到了广泛的应用。遥感图像融合具有较强的实际意义和较大的理论研究价值。
本文首先介绍了遥感图像融合的基本概念,国内外遥感图像融合技术的现状及发展趋势,讨论了图像融合预处理步骤(包括几何校正、配准等处理)。然后,对像素级融合中的IHS变换、主成分分析(PCA)、小波变换(WT)等方法进行了深入研究。
为了充分利用各源图像所包含的信息,针对不同传感器图像所具有的特征,本文在分析传统小波融合方法特性的基础上,重点研究了基于特征积的PCA-CWT遥感图像融合算法和基于区域特征加权的IHS-CWT遥感图像融合算法。
所提出的基于特征量积的PCA-CWT遥感图像融合算法,首先对多谱图像进行PCA变换。然后,将匹配后的全色图像与第一主分量以特征量积的融合准则,进行小波图像融合。对来自不同场景的,不同卫星的多光谱和全色图像进行融合实验。实验结果表明,融合后的图像在主观视觉效果与客观统计数据上都优于传统融合算法,其保持光谱信息与增强图像的空间细节信息的性能均得到了提高。
所提出的基于区域特征加权的IHS-CWT遥感图像融合算法,结合IHS变换和小波变换的优点,将匹配后的新全色分量和IHS变换后多光谱图像的亮度分量采用多元特征动态加权法,进行小波融合,从而使融合图像在保持光谱信息和提高空间分辨率两个方面综合性能达到较好平衡。对来自不同场景的,不同卫星的多光谱和全色图像进行融合实验。实验结果表明,新算法既融入了高分辨率图像的空间细节信息,又很好地保留了多光谱图像的光谱信息。
所提出的两种新融合算法综合利用了传统算法的优点,使用图像区域内多个特征进行融合判决,融合后的图像有效地实现了空间细节增强和光谱信息保持,可应用于遥感图像的融合。