基于結(jié)構(gòu)組稀疏表示的遙感圖像融合方法研究.pdf

1、利用遙感圖像的多光譜圖像和全色圖像的不同特點(diǎn)，融合一幅既具有多光譜圖像的光譜特征，又具有全色圖像的空間細(xì)節(jié)信息的圖像，能更好地進(jìn)行遙感圖像的特征提取、分類及變化檢測(cè)等。遙感圖像融合方法成為遙感領(lǐng)域的研究熱點(diǎn)之一。
　　近年來，稀疏表示理論作為一種信號(hào)處理的有效手段在遙感圖像融合上取得引人注目的良好效果，但由于經(jīng)典稀疏表示沒有考慮圖像塊與塊之間的相似性導(dǎo)致求解出的稀疏系數(shù)不夠準(zhǔn)確及字典學(xué)習(xí)的計(jì)算復(fù)雜度高。為了提高稀疏表示遙感圖像融合

2、算法的效果和快速性，本文利用結(jié)構(gòu)組稀疏表示理論，對(duì)遙感圖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．分析了當(dāng)前國內(nèi)外遙感圖像融合的發(fā)展現(xiàn)狀。研究了幾種常用的遙感圖像融合方法，包括 PCA變換、HPF變換、GIHS、AWLP等，介紹了遙感圖像融合的有參考圖像和無參考圖像的評(píng)價(jià)指標(biāo)，進(jìn)行了傳統(tǒng)融合方法實(shí)驗(yàn)分析與比較，為本文算法研究打下了堅(jiān)實(shí)的基礎(chǔ)。
　　2.將結(jié)構(gòu)組稀疏表示理論引入遙感圖像融合，提出一種基于結(jié)構(gòu)

3、組稀疏表示的遙感圖像融合算法（remote sensing image fusion based structural group sparse representation，SGSR）。首先，將相似圖像塊組成結(jié)構(gòu)組，通過組稀疏表示算法分別計(jì)算亮度分量和全色圖像的自適應(yīng)組字典及組稀疏系數(shù)；然后，根據(jù)絕對(duì)值最大規(guī)則，將全色圖像部分稀疏系數(shù)替換，獲得新的稀疏系數(shù)，對(duì)新的稀疏系數(shù)利用全色圖像的組字典重構(gòu)出高空間分辨率亮度圖像；最后，應(yīng)用通用分

4、量替換(GCOS)框架得到融合后的高分辨率多光譜圖像。通過三組不同類型的遙感衛(wèi)星數(shù)據(jù)實(shí)驗(yàn)分析表明，選擇了有參考圖像和無參考圖像的評(píng)價(jià)指標(biāo)來共同對(duì)融合后的遙感圖像質(zhì)量進(jìn)行評(píng)價(jià)，該算法能夠提高融合后圖像的空間分辨率，同時(shí)能夠更好的保持原始多光譜圖像的光譜特征。并且，同經(jīng)典稀疏表示算法相比，該算法克服了經(jīng)典稀疏表示中以每個(gè)圖像塊為稀疏表示的基本單位，未能考慮圖像塊與塊之間存在結(jié)構(gòu)相似性的問題，而將相似圖像塊組成結(jié)構(gòu)組對(duì)組內(nèi)進(jìn)行一次 SVD分解

5、就可以得到每個(gè)結(jié)構(gòu)組的自適應(yīng)字典，改變了經(jīng)典稀疏表示中需要多次迭代優(yōu)化才能求得訓(xùn)練字典的方式，大大提高了計(jì)算效率。實(shí)驗(yàn)結(jié)果表明SGSR算法訓(xùn)練字典的時(shí)間僅為SR算法訓(xùn)練字典時(shí)間的十分之一。
　　3.提出小波變換與結(jié)構(gòu)組稀疏表示相結(jié)合的遙感圖像融合算法（remote sensing image fusionbasedwavelet transformandstructure group sparse representation W

6、TSGSR）。SGSR算法融合后圖像的光譜信息保持能力仍有進(jìn)步的空間，而小波變換又具有強(qiáng)大的光譜保持特性的優(yōu)勢(shì)，該算法利用小波變換分別得到亮度分量、全色圖像的高頻和低頻分量。其中，低頻數(shù)據(jù)是原始圖像的近似子圖，根據(jù)結(jié)構(gòu)組稀疏模型求得其自適應(yīng)組字典和組稀疏系數(shù)后，利用絕對(duì)值最大融合規(guī)則得到新的稀疏系數(shù)并重構(gòu)出新的低頻子圖；高頻數(shù)據(jù)是對(duì)原始圖像細(xì)節(jié)信息的反映，其大部分系數(shù)接近于或等于零，直接利用相加平均的規(guī)則對(duì)其進(jìn)行融合，這樣可以同時(shí)保留兩