基于變分多尺度圖像分解的SAR與可見光圖像融合.pdf

1、多傳感器圖像融合方法是圖像處理的眾多研究方向中的重要分支。圖像融合是一個將具有不同信息類型的傳感器采集的圖像集合結合成一張圖像的過程，這個融合之后的圖像相對于任何單一傳感器采集的原始圖像擁有更多而且更完整的信息。在遙感應用領域里，傳感器技術飛速發(fā)展，星載圖像數據傳感器獲取的圖像數據不斷增加，這些數據從不同角度反映了所拍攝地區(qū)的地質、地貌等信息，但是每一類圖像傳感器都有自己的局限性，為了避免這個問題，多傳感器圖像融合技術非常適合用來消除單

2、一源頭圖像的局限性，從而獲得具有更多信息的圖像。
　　合成孔徑雷達（SyntheticApertureRadar,SAR）能夠在任何時間、任何天氣環(huán)境下工作，而且還有一定的穿透能力。SAR傳感器圖像數據主要反映了目標的介電特性和幾何屬性，反映在圖像中就是紋理和結構信息豐富。但是，SAR傳感器圖像沒有反映探測目標的光譜屬性，和人類的視覺印象出入較大，從而不方便人類進行理解和采用計算機去處理，但是光學圖像反映了探測對象的光譜信息，并且

3、擁有很高的分辨率。然而，光學傳感器的工作極易受到天氣、光線條件這些因素干擾，并且并不具有穿透性。圖像融合可以將SAR采集的圖像和光學傳感器采集的圖像中互補信息綜合提取到一幅兼具二者特性的圖像中，這樣的圖像融合對進一步的分割、識別、區(qū)域變化檢測等圖像處理任務具有很大的幫助。多尺度多傳感器圖像融合算法能夠在多個尺度多個屬性上提取和保留圖像信息，從而能夠有效、有針對性融合圖像的目標。
　　在本論文中，提出了基于變分多尺度圖像分解的SAR

4、與可見光圖像融合算法。它首先采用變分多尺度圖像分解算法將圖像分解為空間形態(tài)完全不同的兩類分量，分別是結構和紋理，其中結構分量描述了圖像中的主要輪廓，而紋理分量描述圖像的振蕩部分，有時則包含有噪聲。針對這兩類具有很大差異性的空間形態(tài)分量，根據不同的處理策略分別來進行圖像融合。對于結構部分，采用curvelet基函數作為變換基，因為它能夠非常稀疏地描述結構，采用低頻平均，高頻取大的原則進行融合；對于紋理部分，由于SAR圖像的斑點噪聲非常嚴重

5、，因此選擇舍棄最小兩個尺度的紋理，之后再進行基于局部能量取大的原則進行融合。隨機選擇4組實測SAR和可見光圖像，在上面驗證本文提出算法的有效性，實驗表明，新提出的算法不僅結構清晰，而且SAR圖像中的斑點狀的乘性的噪點得到明顯的抑制，將本文新提出的算法和具有代表性的基于拉普拉斯金字塔和小波變換的圖像融合算法對比，新提出的算法不論在主觀還是客觀評價指標上均具有明顯的優(yōu)勢。
　　本文第一部分介紹圖像融合的概念，歷史發(fā)展和應用前景，緊接著

6、介紹了圖像融合的評價指標。第二部分深入分析了具有代表性的多尺度圖像融合方法。第三部分介紹了變分法及其數值求解格式，它是本章后面變分多尺度圖像分解的建模和求解基礎，深入研究了變分多尺度圖像分解模型及采用有限差分格式求解模型的數值方法。第四部分為本文的新提出的算法部分，然后基于matlab2014a平臺進行仿真，仿真結果與部分前面提到的經典多尺度圖像融合算法進行對比，仿真實驗結果表明新提出多傳感器圖像數據融合算法的實驗結果在結構上更清晰，而