收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于结构组稀疏表示的遥感图像融合方法研究

张晓  
【摘要】:利用遥感图像的多光谱图像和全色图像的不同特点,融合一幅既具有多光谱图像的光谱特征,又具有全色图像的空间细节信息的图像,能更好地进行遥感图像的特征提取、分类及变化检测等。遥感图像融合方法成为遥感领域的研究热点之一。近年来,稀疏表示理论作为一种信号处理的有效手段在遥感图像融合上取得引人注目的良好效果,但由于经典稀疏表示没有考虑图像块与块之间的相似性导致求解出的稀疏系数不够准确及字典学习的计算复杂度高。为了提高稀疏表示遥感图像融合算法的效果和快速性,本文利用结构组稀疏表示理论,对遥感图像融合算法做出了探索性的研究。本文主要研究工作如下:1.分析了当前国内外遥感图像融合的发展现状。研究了几种常用的遥感图像融合方法,包括PCA变换、HPF变换、GIHS、AWLP等,介绍了遥感图像融合的有参考图像和无参考图像的评价指标,进行了传统融合方法实验分析与比较,为本文算法研究打下了坚实的基础。2.将结构组稀疏表示理论引入遥感图像融合,提出一种基于结构组稀疏表示的遥感图像融合算法(remote sensing image fusion based structural group sparse representation,SGSR)。首先,将相似图像块组成结构组,通过组稀疏表示算法分别计算亮度分量和全色图像的自适应组字典及组稀疏系数;然后,根据绝对值最大规则,将全色图像部分稀疏系数替换,获得新的稀疏系数,对新的稀疏系数利用全色图像的组字典重构出高空间分辨率亮度图像;最后,应用通用分量替换(GCOS)框架得到融合后的高分辨率多光谱图像。通过三组不同类型的遥感卫星数据实验分析表明,选择了有参考图像和无参考图像的评价指标来共同对融合后的遥感图像质量进行评价,该算法能够提高融合后图像的空间分辨率,同时能够更好的保持原始多光谱图像的光谱特征。并且,同经典稀疏表示算法相比,该算法克服了经典稀疏表示中以每个图像块为稀疏表示的基本单位,未能考虑图像块与块之间存在结构相似性的问题,而将相似图像块组成结构组对组内进行一次SVD分解就可以得到每个结构组的自适应字典,改变了经典稀疏表示中需要多次迭代优化才能求得训练字典的方式,大大提高了计算效率。实验结果表明SGSR算法训练字典的时间仅为SR算法训练字典时间的十分之一。3.提出小波变换与结构组稀疏表示相结合的遥感图像融合算法(remote sensing image fusion based wavelet transform and structure group sparse representation WTSGSR)。SGSR算法融合后图像的光谱信息保持能力仍有进步的空间,而小波变换又具有强大的光谱保持特性的优势,该算法利用小波变换分别得到亮度分量、全色图像的高频和低频分量。其中,低频数据是原始图像的近似子图,根据结构组稀疏模型求得其自适应组字典和组稀疏系数后,利用绝对值最大融合规则得到新的稀疏系数并重构出新的低频子图;高频数据是对原始图像细节信息的反映,其大部分系数接近于或等于零,直接利用相加平均的规则对其进行融合,这样可以同时保留两幅不同图像的特征;最后对高频和低频分量进行小波逆变换得到融合后图像。通过三组不同类型的卫星数据的实验分析,该算法在增强了空间分辨率的同时最大限度的保留了原始多光谱图像的光谱特征。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 周宏军;李江;蔡志刚;;一种小波包遥感图像融合方法[J];现代测绘;2008年01期
2 陈超;江涛;刘祥磊;;基于缨帽变换的遥感图像融合方法研究[J];测绘科学;2009年03期
3 柴勇;何友;曲长文;;遥感图像融合最新进展及展望[J];舰船电子工程;2009年08期
4 朱卫纲;周荫清;徐华平;李春升;;遥感图像融合效果客观评价[J];火力与指挥控制;2010年02期
5 孙洪泉;窦闻;易文斌;;遥感图像融合的研究现状、困境及发展趋势探讨[J];遥感信息;2011年01期
6 付和;;遥感图像融合的应用研究[J];科技创新导报;2011年09期
7 阮涛;那彦;王澍;;基于压缩感知的遥感图像融合方法[J];电子科技;2012年04期
8 吴连喜,梁波,刘晓梅;保持光谱信息的遥感图像融合方法研究(英文)[J];测绘学报;2005年02期
9 王艳;陈波;;遥感图像融合技术及其在土地资源动态监测中的应用[J];影像技术;2005年Z2期
10 林卉,肖剑平,杜培军;基于正交小波包遥感图像融合算法研究[J];空军工程大学学报(自然科学版);2005年02期
11 蔡洪武;郑锦;李波;;基于多进小波的选择性遥感图像融合算法[J];影像技术;2006年02期
12 张林玲;;基于像素的遥感图像融合简介[J];科学大众;2006年05期
13 马艳军;石爱业;徐立中;;基于区域特性选择的遥感图像融合方法[J];中国图象图形学报;2007年02期
14 张登荣;张霄宇;俞乐;刘辅兵;;基于小波包移频算法的遥感图像融合技术[J];浙江大学学报(工学版);2007年07期
15 朱卫纲;周荫清;徐华平;李春升;;基于奇异值分解的遥感图像融合性能评价[J];北京航空航天大学学报;2008年12期
16 刘清华;石军南;熊珂;;遥感图像融合技术在土地利用现状调查中的应用[J];广东土地科学;2008年02期
17 陈大可;王珂;;基于两通道不可分à trous-Curvelet变换的遥感图像融合(英文)[J];系统仿真学报;2008年19期
18 窦闻;陈云浩;;基于最小一乘的遥感图像融合[J];红外;2009年09期
19 因倩;张占睦;曲筱筱;冯颖;;遥感图像融合方法在机场识别应用中的研究[J];海洋测绘;2010年02期
20 乔玉良;尚彦玲;魏信;;遥感图像融合方法研究[J];气象与环境科学;2010年01期
中国重要会议论文全文数据库 前8条
1 马艳军;石爱业;徐立中;;基于区域特性选择的遥感图像融合方法[A];第十三届全国图象图形学学术会议论文集[C];2006年
2 梁波;吴连喜;陈竹安;段彩莲;苏小霞;;光谱锐化的遥感图像融合方法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
3 马丹;郑锴;涂振前;;遥感图像融合综述[A];2007年福建省土地学会年会征文集[C];2007年
4 葛雯;高立群;;基于非分离小波变换及形态学的遥感图像融合算法[A];2007'仪表,自动化及先进集成技术大会论文集(一)[C];2007年
5 成功;邓小青;;基于MATLAB的小波变换遥感图像融合研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
6 雷宏宇;钟广军;;基于Curvelet变换的快速遥感图像融合[A];第四届和谐人机环境联合学术会议论文集[C];2008年
7 赵鹏涛;刘刚;胡岑;王明昊;彭接力;;基于Laplace-PCA的遥感图像融合算法[A];国家安全地球物理丛书(八)——遥感地球物理与国家安全[C];2012年
8 石爱业;徐立中;黄风辰;;一种改进的基于小波变换的遥感图像融合方法[A];第二届全国信息获取与处理学术会议论文集[C];2004年
中国博士学位论文全文数据库 前8条
1 方发明;基于变分法的遥感图像融合方法研究[D];华东师范大学;2013年
2 姚为;像素级和特征级遥感图像融合方法研究与应用[D];大连理工大学;2011年
3 陈志刚;基于Contourlet遥感图像融合与压缩技术研究[D];长春理工大学;2009年
4 郭立萍;基于支持向量机遥感图像融合分类方法研究[D];中国地质大学(北京);2010年
5 田养军;基于提升小波分解曲波变换的多源遥感图像融合方法研究[D];长安大学;2009年
6 刘帆;基于小波核滤波器和稀疏表示的遥感图像融合[D];西安电子科技大学;2014年
7 徐彤阳;基于抗混叠Contourlet变换的遥感图像融合研究[D];上海大学;2011年
8 王金玲;基于多分辨率分析的遥感图像融合算法研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2011年
中国硕士学位论文全文数据库 前10条
1 栾静;基于Curvelet与Shearlet变换的遥感图像融合[D];合肥工业大学;2015年
2 肖洋;基于贝叶斯网络及进化算法的遥感图像融合方法研究[D];华东师范大学;2016年
3 张晓;基于结构组稀疏表示的遥感图像融合方法研究[D];华南农业大学;2016年
4 王婷;遥感图像融合算法研究[D];浙江大学;2016年
5 李园园;基于多分辨分析的遥感图像融合技术研究[D];青岛大学;2009年
6 郭晶;基于压缩感知理论的卫星遥感图像融合算法研究[D];北京交通大学;2013年
7 黄海东;基于多分辨率分析的遥感图像融合算法研究[D];复旦大学;2008年
8 罗俊;遥感图像融合方法及其在目标波谱反演中的应用研究[D];华中科技大学;2007年
9 姚媛;基于小波支持向量机的遥感图像融合[D];安徽大学;2010年
10 张灿峰;高性能遥感图像融合算法研究与实现[D];国防科学技术大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978