基于小波支持向量機的遙感圖像融合.pdf

1、支持向量機作為最有效的統(tǒng)計學習方法之一，近年來已經(jīng)成為機器學習領域一個新的研究熱點。而圖像融合技術作為遙感圖像處理中非常有效的手段也引起了越來越多的研究人員的重視。小波支持向量機作為支持向量機中的一種，不僅有著普通支持向量機抗噪聲性能強、學習效率高和推廣性好等優(yōu)點，還有著更好的泛化能力和更高的逼近精度。本文將小波支持向量機引入到了遙感圖像融合技術中，將這兩種技術結合使得兩種技術可以互相取長補短，利用小波支持向量機的優(yōu)點去克服遙感圖像普遍

2、存在的對比度差、邊緣模糊、噪聲大等缺點。
　　 本文對基于小波支持向量機的圖像融合技術進行了較為系統(tǒng)的研究，主要研究內容和成果如下：
　　 1、分析了遙感圖像融合的目的和意義，對遙感圖像融合的發(fā)展現(xiàn)狀進行了總結和評述，詳細介紹了幾種遙感圖像融合質量的評價方法。綜述了支持向量機的產(chǎn)生和發(fā)展，研究了支持向量機的原理和實現(xiàn)算法，利用支持向量機的統(tǒng)計學習優(yōu)勢，介紹了基于小波支持向量機的遙感圖像融合框架。
　　 2、研究了

3、支持向量回歸模型生成的支持向量值變換，應用到遙感圖像融合實驗中。針對遙感圖像融合實驗的特點，將圖像分解后的高頻細節(jié)部分和低頻部分加以區(qū)分，分別設計了不同的融合算子和融合規(guī)則。實驗結果表明，這樣處理的融合效果較為理想，能很好地提取融合圖像的信息，使得融合后的圖像能更多的體現(xiàn)源圖像所無法表現(xiàn)的特性。
　　 3、研究了支持向量機核函數(shù)的構造條件及構造方法，根據(jù)不同核的支持向量機具有的不同特性，選擇了適合于遙感圖像融合的小波核函數(shù)。提出