基于小波核濾波器和稀疏表示的遙感圖像融合.pdf

1、隨著遙感技術(shù)的發(fā)展,其應(yīng)用也越來越廣泛,在地學(xué)科學(xué)、農(nóng)業(yè)、氣象、林業(yè)、城市規(guī)劃、環(huán)境監(jiān)測等等領(lǐng)域均有不同程度的應(yīng)用。然而,由于遙感傳感器技術(shù)本身的限制,所獲得的遙感數(shù)據(jù)往往不能反映出區(qū)域的全部信息。為了更好的理解該地域的內(nèi)容,將不同遙感器獲得的圖像信息進(jìn)行融合便成了一項十分經(jīng)濟(jì)且有效的方案。近年來,為了提高對遙感圖像的解譯能力,信息融合的技術(shù)被引入到融合多遙感器圖像及遙感衛(wèi)星圖像中。
　　本論文以遙感圖像融合為研究背景,結(jié)合國家自

2、然科學(xué)基金、國家“863”計劃、“973”計劃以及“111”創(chuàng)新引智計劃等項目的任務(wù)與需求,利用多尺度幾何分析、機(jī)器學(xué)習(xí)方法和優(yōu)化算法等工具,完成了遙感圖像融合方法的研究工作。論文主要工作概括如下:
　　1.借助支撐矢量機(jī)逼近原理對圖像進(jìn)行逼近建模,由此實現(xiàn)以核函數(shù)來描述圖像,并提出一種多尺度變換工具——小波核濾波器。將小波核濾波器應(yīng)用在橋梁分類、移動和靜止目標(biāo)獲取和識別數(shù)據(jù)庫(Moving and Stationary Targ

3、et Acquisition and Recognition,MSTAR)的數(shù)據(jù)識別及合成孔徑雷達(dá)圖像去斑中。橋梁分類和 MSTAR數(shù)據(jù)識別應(yīng)用結(jié)果表明,圖像數(shù)據(jù)經(jīng)過小波核濾波器之后得到系數(shù)能更好的表達(dá)原圖像的信息,而圖像去斑的應(yīng)用也顯示出由于該濾波器具有平移不變性,針對去斑中出現(xiàn)的振鈴效應(yīng)基本清除。
　　2.將提出的小波核濾波器應(yīng)用到遙感圖像融合中。小波核濾波器具有多尺度性、平移不變性、完全重構(gòu)性等,使得該濾波器在圖像融合的應(yīng)用

4、中具有優(yōu)勢。針對多傳感器圖像的特點(diǎn),以區(qū)域能量最大值作為融合策略,實現(xiàn)基于小波核濾波器的多傳感器圖像融合,并與其他多尺度變換工具如小波變換、非下采樣的小波變換、Contourlet變換、非下采樣的Contourlet變換進(jìn)行比較。四組針對曼徹斯特大學(xué)圖像融合庫的多源圖像融合結(jié)果表明,小波核濾波器應(yīng)用于多傳感器圖像融合是有效的,克服了圖像融合中常出現(xiàn)的振鈴效應(yīng),細(xì)節(jié)保持較好,取得更為清晰的融合結(jié)果。針對多光譜與全色圖像的融合問題,在小波核

5、濾波器的基礎(chǔ)上,提出兩種融合策略:其一是與傳統(tǒng)的亮度-色調(diào)-飽和度變換相結(jié)合,對亮度 I分量進(jìn)行處理,將全色圖像的細(xì)節(jié)加入到I分量中;其二是采用改進(jìn)的空間分辨率增加框架法( Amélioration de la Résolution Spatiale par Injection de Structures,ARSIS)作為融合框架,利用多尺度分析手段為多光譜圖像補(bǔ)充上缺失的細(xì)節(jié)成分。隨后給出的來自于光學(xué)衛(wèi)星的多光譜圖像結(jié)果表明,小波核濾

6、波器能夠應(yīng)用在多光譜圖像與全色圖像的融合中,獲取融合結(jié)果,兩種融合框架均能獲得所需的具有高分辨率的多光譜圖像,為后續(xù)多光譜圖像的處理及應(yīng)用奠定了基礎(chǔ)。
　　3.針對遙感圖像融合問題,提出了小波核濾波器結(jié)合優(yōu)化算法的遙感圖像融合方法。首先,結(jié)合小波核濾波器,將粒子群算法應(yīng)用到多傳感器圖像融合中。針對細(xì)節(jié)子帶仍采用區(qū)域能量最大值的融合策略,而近似子帶則選擇粒子群算法去搜索得到一個最優(yōu)的近似子帶。實驗結(jié)果表明,結(jié)合小波核濾波器和粒子群算

7、法的方法是有效的,可以得到相對最優(yōu)的融合結(jié)果。針對多光譜與全色圖像的融合問題,結(jié)合小波核濾波器和克隆選擇算法給出兩種融合策略:其一是通過小波核濾波器中參數(shù)的變化,給出多組小波核濾波器,結(jié)合亮度-色調(diào)-飽和度變換獲得多組融合結(jié)果,克隆選擇算法用來尋找到最優(yōu)權(quán)值組合給出最優(yōu)融合結(jié)果;其二是利用克隆選擇算法尋找最優(yōu)的亮度 I分量,得到一個最逼近全色圖像的 I分量進(jìn)行隨后的融合處理。結(jié)果表明,結(jié)合優(yōu)化算法的融合策略能夠找到最優(yōu)值,得到相對最優(yōu)的

8、融合結(jié)果。
　　4.隨著稀疏表示理論的發(fā)展,該理論已被成功的應(yīng)用于圖像處理領(lǐng)域中。由于圖像能夠采取稀疏表示的方式來得到系數(shù),稀疏的系數(shù)用來表達(dá)源圖包含的信息,因此利用該系數(shù)便可完成圖像融合的要求。根據(jù)多源圖像的特點(diǎn)及稀疏表示獲得的稀疏系數(shù)的特點(diǎn),給出五種融合策略下得到的融合結(jié)果,并進(jìn)行了比較,選擇出適合于稀疏系數(shù)的融合規(guī)則,并與傳統(tǒng)的多尺度變換方法進(jìn)行比較,結(jié)果表明稀疏表示理論應(yīng)用到圖像融合領(lǐng)域亦能獲得較優(yōu)的結(jié)果。針對多光譜圖像融

9、合的問題,首先參照多光譜圖像的特點(diǎn),將基于稀疏表示的超分辨方法應(yīng)用到多光譜圖像與全色圖像的融合中,通過超分辨方法先獲得對應(yīng)于低分辨率多光譜圖像的高分辨率圖像,結(jié)合ARSIS框架與全色圖像融合,獲得了較好的結(jié)果。
　　5.考慮到多光譜圖像融合的目的在于增加多光譜圖像的細(xì)節(jié)信息含量,將二維經(jīng)驗?zāi)Ｊ椒纸庖氲角拔奶岬降幕趶V義的亮度色度飽和度變換和小波核濾波器結(jié)合的多光譜圖像融合方法中,并且為了找到既能提高光譜性又增加細(xì)節(jié)信息的結(jié)果,將