高光譜圖像融合算法研究.pdf

1、高光譜遙感圖像包含了大量的數(shù)據(jù)，波段之間的相關性較高，采用信息融合技術可以降低分析難度。通過遙感手段獲得的遙感圖像的研究能夠獲取對同一事物或目標的更為全面、客觀及本質上的認識。由于高光譜圖像的特殊性，決定了融合的手段和目的不同于一般的圖像數(shù)據(jù)融合。本文探討了一些傳統(tǒng)的和較新的高光譜圖像融合算法，并以小波多分辨率分解與重構為基礎，提出一種在高頻系數(shù)上使用PCNN網(wǎng)絡進行選取融合的算法準則。 具體內容主要包含以下三個部分：

2、介紹了遙感成像、遙感圖像融合的概念，以及目前國內外遙感圖像融合技術的發(fā)展現(xiàn)狀。并介紹了圖像融合的層次和目的，本文采用的高光譜圖像數(shù)據(jù)空間的特點和評價圖像融合質量的一些技術指標。為了更加突出融合的目的性，相比于以往的統(tǒng)計指標方法還采用分類精度的方法評價融合的質量。 介紹了傳統(tǒng)的一些從圖像增強算法發(fā)展而來的融合算法，例如高通濾波融合法、IHS變換法、主成分分析(PCA)等方法。另外詳細地介紹了小波變換方法，分別介紹了傳統(tǒng)小波變換和第

3、二代提升小波變換。在對圖像采用一種自動子空間劃分的方法劃分為若干子空間后，在各個子空間層次上對各波段圖像進行分解重構，在融合準則上，低頻系數(shù)分別采用均值加權和方差加權的方法，高頻系數(shù)分別采用局部方差加權和局部能量加權方法。對各種融合方法得到的融合圖像進行了比較評價。 在對圖像使用一種二代提升小波進行分解的基礎上，對高頻系數(shù)采用脈沖耦合神經(jīng)網(wǎng)絡進行選取的融合算法。通過合理的神經(jīng)元參數(shù)的設定，最終的仿真融合圖像結果同傳統(tǒng)的高頻系數(shù)采