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，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節(jié)信息的圖像，能更好地進行遙感圖像的特征提取、分類及變化檢測等。遙感圖像融合方法成為遙感領(lǐng)域的研究熱點之一。
　　近年來，稀疏表示理論作為一種信號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)不夠準確及字典學(xué)習(xí)的計算復(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價指標，進行了傳統(tǒng)融合方法實驗分析與比較，為本文算法研究打下了堅實的基礎(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)實驗分析表明，選擇了有參考圖像和無參考圖像的評價指標來共同對融合后的遙感圖像質(zhì)量進行評價，該算法能夠提高融合后圖像的空間分辨率，同時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)組對組內(nèi)進行一次 SVD分解

5、就可以得到每個結(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，大大提高了計算效率。實驗結(jié)果表明SGSR算法訓(xùn)練字典的時間僅為SR算法訓(xùn)練字典時間的十分之一。
　　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步的空間，而小波變換又具有強大的光譜保持特性的優(yōu)勢，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)是對原始圖像細節(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)則對其進行融合，這樣可以同時保留兩