小波變換下的遙感影像融合研究.pdf

1、隨著現(xiàn)代傳感器技術(shù)、光學技術(shù)和空間遙感技術(shù)的發(fā)展，對同一地區(qū)所獲取的數(shù)據(jù)具有多時相、多光譜、多傳感器、多平臺和多分辨率的特性。與單源遙感數(shù)據(jù)相比，來自不同傳感器的多源遙感數(shù)據(jù)不但具有互補性、合作性和低成本性，還具有很大的冗余性。通過數(shù)據(jù)融合、模式識別、地理信息系統(tǒng)等技術(shù)，從這些海量的多源遙感數(shù)據(jù)中提取更有用、質(zhì)量更高的信息，為后續(xù)的人為決策或智能型決策系統(tǒng)提供依據(jù)。 影像融合是數(shù)據(jù)融合的一種，也是提取信息的關(guān)鍵技術(shù)之一。影像融合

2、的方法有很多，隨著小波理論的逐漸成熟，將小波分析的方法用于影像融合的研究已成為遙感影像融合的主流趨勢。本文主要研究了基于小波變換進行遙感影像融合的技術(shù)，并采用MATLAB和VisualC++的聯(lián)合編程方法對其進行了驗證性分析。 在基于小波變換的影像融合研究中，本文根據(jù)不同算法的優(yōu)缺點，結(jié)合現(xiàn)有的各種融合方法和融合規(guī)則，提出更為有效的基于小波的影像融合算法。實驗采用的是多光譜TM影像和高分辨率的SPOT影像。算法的主要步驟如下：首

3、先對TM影像作一階小波變換，并保留低頻信息；然后利用小波變換方法對SPOT影像做邊緣增強處理后再對SPOT影像作三階小波分解，并依據(jù)三階變換的SPOT低頻影像對一階變換的TM低頻影像進行配準，最后再與高頻信息進行融合。與其它算法相比，得到較好的融合效果。新算法不僅較好地保留了多光譜影像的光譜信息，也較大地提高了影像的空間分辨率和地物的邊緣特征。 MATLAB提供了功能強大的圖像處理和小波工具箱，可以簡單快捷的寫出影像融合的算法；