基于小波支持向量机的遥感图像融合

【摘要】： 支持向量机作为最有效的统计学习方法之一,近年来已经成为机器学习领域一个新的研究热点。而图像融合技术作为遥感图像处理中非常有效的手段也引起了越来越多的研究人员的重视。小波支持向量机作为支持向量机中的一种,不仅有着普通支持向量机抗噪声性能强、学习效率高和推广性好等优点,还有着更好的泛化能力和更高的逼近精度。本文将小波支持向量机引入到了遥感图像融合技术中,将这两种技术结合使得两种技术可以互相取长补短,利用小波支持向量机的优点去克服遥感图像普遍存在的对比度差、边缘模糊、噪声大等缺点。 本文对基于小波支持向量机的图像融合技术进行了较为系统的研究,主要研究内容和成果如下： 1、分析了遥感图像融合的目的和意义,对遥感图像融合的发展现状进行了总结和评述,详细介绍了几种遥感图像融合质量的评价方法。综述了支持向量机的产生和发展,研究了支持向量机的原理和实现算法,利用支持向量机的统计学习优势,介绍了基于小波支持向量机的遥感图像融合框架。 2、研究了支持向量回归模型生成的支持向量值变换,应用到遥感图像融合实验中。针对遥感图像融合实验的特点,将图像分解后的高频细节部分和低频部分加以区分,分别设计了不同的融合算子和融合规则。实验结果表明,这样处理的融合效果较为理想,能很好地提取融合图像的信息,使得融合后的图像能更多的体现源图像所无法表现的特性。 3、研究了支持向量机核函数的构造条件及构造方法,根据不同核的支持向量机具有的不同特性,选择了适合于遥感图像融合的小波核函数。提出了小波核支持向量值滤波器和方向滤波器组相结合的方法,构造出小波核支持向量值轮廓波变换并应用到遥感图像融合实验中。实验结果表明,该方法得到的图像融合效果优于传统算法。