基于小波核濾波器和稀疏表示的遙感圖像融合.pdf

1、隨著遙感技術的發(fā)展,其應用也越來越廣泛,在地學科學、農(nóng)業(yè)、氣象、林業(yè)、城市規(guī)劃、環(huán)境監(jiān)測等等領域均有不同程度的應用。然而,由于遙感傳感器技術本身的限制,所獲得的遙感數(shù)據(jù)往往不能反映出區(qū)域的全部信息。為了更好的理解該地域的內(nèi)容,將不同遙感器獲得的圖像信息進行融合便成了一項十分經(jīng)濟且有效的方案。近年來,為了提高對遙感圖像的解譯能力,信息融合的技術被引入到融合多遙感器圖像及遙感衛(wèi)星圖像中。
　　本論文以遙感圖像融合為研究背景,結合國家自

2、然科學基金、國家“863”計劃、“973”計劃以及“111”創(chuàng)新引智計劃等項目的任務與需求,利用多尺度幾何分析、機器學習方法和優(yōu)化算法等工具,完成了遙感圖像融合方法的研究工作。論文主要工作概括如下:
　　1.借助支撐矢量機逼近原理對圖像進行逼近建模,由此實現(xiàn)以核函數(shù)來描述圖像,并提出一種多尺度變換工具——小波核濾波器。將小波核濾波器應用在橋梁分類、移動和靜止目標獲取和識別數(shù)據(jù)庫(Moving and Stationary Targ

3、et Acquisition and Recognition,MSTAR)的數(shù)據(jù)識別及合成孔徑雷達圖像去斑中。橋梁分類和 MSTAR數(shù)據(jù)識別應用結果表明,圖像數(shù)據(jù)經(jīng)過小波核濾波器之后得到系數(shù)能更好的表達原圖像的信息,而圖像去斑的應用也顯示出由于該濾波器具有平移不變性,針對去斑中出現(xiàn)的振鈴效應基本清除。
　　2.將提出的小波核濾波器應用到遙感圖像融合中。小波核濾波器具有多尺度性、平移不變性、完全重構性等,使得該濾波器在圖像融合的應用

4、中具有優(yōu)勢。針對多傳感器圖像的特點,以區(qū)域能量最大值作為融合策略,實現(xiàn)基于小波核濾波器的多傳感器圖像融合,并與其他多尺度變換工具如小波變換、非下采樣的小波變換、Contourlet變換、非下采樣的Contourlet變換進行比較。四組針對曼徹斯特大學圖像融合庫的多源圖像融合結果表明,小波核濾波器應用于多傳感器圖像融合是有效的,克服了圖像融合中常出現(xiàn)的振鈴效應,細節(jié)保持較好,取得更為清晰的融合結果。針對多光譜與全色圖像的融合問題,在小波核

5、濾波器的基礎上,提出兩種融合策略:其一是與傳統(tǒng)的亮度-色調-飽和度變換相結合,對亮度 I分量進行處理,將全色圖像的細節(jié)加入到I分量中;其二是采用改進的空間分辨率增加框架法( Amélioration de la Résolution Spatiale par Injection de Structures,ARSIS)作為融合框架,利用多尺度分析手段為多光譜圖像補充上缺失的細節(jié)成分。隨后給出的來自于光學衛(wèi)星的多光譜圖像結果表明,小波核濾

6、波器能夠應用在多光譜圖像與全色圖像的融合中,獲取融合結果,兩種融合框架均能獲得所需的具有高分辨率的多光譜圖像,為后續(xù)多光譜圖像的處理及應用奠定了基礎。
　　3.針對遙感圖像融合問題,提出了小波核濾波器結合優(yōu)化算法的遙感圖像融合方法。首先,結合小波核濾波器,將粒子群算法應用到多傳感器圖像融合中。針對細節(jié)子帶仍采用區(qū)域能量最大值的融合策略,而近似子帶則選擇粒子群算法去搜索得到一個最優(yōu)的近似子帶。實驗結果表明,結合小波核濾波器和粒子群算

7、法的方法是有效的,可以得到相對最優(yōu)的融合結果。針對多光譜與全色圖像的融合問題,結合小波核濾波器和克隆選擇算法給出兩種融合策略:其一是通過小波核濾波器中參數(shù)的變化,給出多組小波核濾波器,結合亮度-色調-飽和度變換獲得多組融合結果,克隆選擇算法用來尋找到最優(yōu)權值組合給出最優(yōu)融合結果;其二是利用克隆選擇算法尋找最優(yōu)的亮度 I分量,得到一個最逼近全色圖像的 I分量進行隨后的融合處理。結果表明,結合優(yōu)化算法的融合策略能夠找到最優(yōu)值,得到相對最優(yōu)的

8、融合結果。
　　4.隨著稀疏表示理論的發(fā)展,該理論已被成功的應用于圖像處理領域中。由于圖像能夠采取稀疏表示的方式來得到系數(shù),稀疏的系數(shù)用來表達源圖包含的信息,因此利用該系數(shù)便可完成圖像融合的要求。根據(jù)多源圖像的特點及稀疏表示獲得的稀疏系數(shù)的特點,給出五種融合策略下得到的融合結果,并進行了比較,選擇出適合于稀疏系數(shù)的融合規(guī)則,并與傳統(tǒng)的多尺度變換方法進行比較,結果表明稀疏表示理論應用到圖像融合領域亦能獲得較優(yōu)的結果。針對多光譜圖像融

9、合的問題,首先參照多光譜圖像的特點,將基于稀疏表示的超分辨方法應用到多光譜圖像與全色圖像的融合中,通過超分辨方法先獲得對應于低分辨率多光譜圖像的高分辨率圖像,結合ARSIS框架與全色圖像融合,獲得了較好的結果。
　　5.考慮到多光譜圖像融合的目的在于增加多光譜圖像的細節(jié)信息含量,將二維經(jīng)驗模式分解引入到前文提到的基于廣義的亮度色度飽和度變換和小波核濾波器結合的多光譜圖像融合方法中,并且為了找到既能提高光譜性又增加細節(jié)信息的結果,將