基于稀疏表示的遥感图像融合理论与方法研究

【摘要】：遥感图像融合是整合源图像中的互补信息，去除相互间的冗余信息，从而获得一幅可信度高、目标更清晰的融合图像，以便于人眼视觉判读和后续的计算机处理。 本文以稀疏表示理论为基础，对遥感图像融合做了探索性的研究。本文主要工作如下： 1.将稀疏表示理论引入遥感图像融合，采用训练字典对图像进行稀疏表示。训练字典具有更好的自适应性和灵活性，能很好地对具有复杂特征的遥感图像进行表示；本文利用SFIM模型能将高分辨率图像的细节信息有效注入到低分辨率图像中这一优势，对IHS变换后的I分量和全色图像进行SFIM运算；本文采用空间频率取大的融合规则对稀疏系数进行融合，该规则充分利用了图像间的局部特征，能有效地提高空间分辨率。通过多组实验分析表明，该算法能在提高空间分辨率的同时更好的保持光谱特性。 2.针对基于训练字典的遥感图像融合算法的光谱信息保留不够，利用小波变换具有光谱保持特性的优势，将小波变换与稀疏表示相结合并用于遥感图像的融合过程中。分析小波变换后的高低频数据，对具有不同数据特性的高频和低频数据分别进行融合。由于低频数据是原始图像的逼近数据，系数大部分不等于0，不可以看做是“稀疏的”。因此，用训练字典对低频数据进行稀疏表示；高频数据是对原始图像显著信息的反映，其大部分系数接近于或等于零，可以看做是“稀疏的”，可以直接对其进行融合。本文采用基于图像信息的融合规则对高频数据进行融合，该规则能同时考虑系数本身以及其领域内系数的相关性，能保留高频系数中含有的边缘和细节等信息。通过多组实验分析，该算法在增强了空间分辨率的同时最大限度的保留了光谱特征。