基于聯(lián)合稀疏分析模型的遙感圖像融合研究.pdf

1、一般而言，地球遙感衛(wèi)星是由高分辨的全色通道和幾個具有較低分辨率的多光譜通道組成的。遙感影像空譜融合作為一種利用多光譜圖像和全色圖像互補信息來獲得高分辨率多光譜圖像的有效手段，在過去的幾十年里得到了快速的發(fā)展。
　　傳統(tǒng)的圖像融合算法，通常存在色譜畸變和空間信息丟失等現(xiàn)象，因此，在實際應(yīng)用中遠(yuǎn)未達(dá)到有效合成原始高分辨率多光譜圖像的程度。近幾年來，由于綜合型稀疏表達(dá)理論的興起，國際上出現(xiàn)了一系列基于稀疏表達(dá)理論的圖像融合算法。這類算法

2、在光譜信息保持和空間分辨率提高等方面都取得了不錯的效果。然而，字典學(xué)習(xí)需要花費大量的運算時間，這就導(dǎo)致基于綜合型稀疏表達(dá)的空譜融合算法的計算效率非常低。分析型稀疏表達(dá)作為綜合型稀疏表達(dá)的孿生兄弟，是近兩年才發(fā)展起來的新型信號處理方法。已經(jīng)在自然圖像和醫(yī)學(xué)圖像的處理中得到了成功應(yīng)用。與綜合型稀疏表達(dá)相比較，分析型稀疏表達(dá)具有效果好、運算速度快等特點。
　　首先，本文在聯(lián)合稀疏分析模型的理論框架下，基于多光譜圖像的觀測模型，首次提出了

3、基于分析型稀疏表達(dá)的遙感影像圖像融合算法。采用分析算子學(xué)習(xí)算法GOAL(GeOmetric Analysis operator Learning)，通過對全色圖像和低分辨率多光譜圖像的一個波段的圖像塊組成的訓(xùn)練樣本進(jìn)行訓(xùn)練、學(xué)習(xí)，分別得到每個波段的分析字典。把遙感影像圖像融合問題轉(zhuǎn)化為基于分析稀疏先驗的逆問題，采用共軛梯度的方法進(jìn)行優(yōu)化求解。實驗結(jié)果表明基于分析型稀疏表達(dá)的圖像融合模型是有效的和穩(wěn)定的。
　　其次，雖然這種分波段訓(xùn)

4、練字典的方式有助于提高每個波段分析算子的能力，提高圖像融合的質(zhì)量。但是這種方式?jīng)]有考慮多光譜圖像波段之間的相關(guān)性，也明顯增加了算法復(fù)雜度，延長了算法運行時間。為了解決這個問題，本文從稀疏分析正則化角度出發(fā)，采用圖像塊矢量化矩陣的運算方法和訓(xùn)練多波段分析算子的方式來提高計算效率。同時，采用立體晶包化的訓(xùn)練樣本取樣方式，充分考慮了訓(xùn)練樣本的波段相關(guān)性，提高了分析算子的解析能力。同時采用ADMM的優(yōu)化方法，進(jìn)一步降低了算法的計算復(fù)雜度。

5、>　　再次，基于梯度傳遞的思想，提出了基于梯度一致性約束的遙感影像稀疏分析先驗的圖像融合算法。梯度使圖像的顯著性特征得以增強，全色圖像的重要空間細(xì)節(jié)信息可以通過梯度的方法被傳遞到多光譜圖像的每個波段。本文根據(jù)多光譜圖像和全色圖像之間的線性退化模型得到最終的梯度傳遞關(guān)系；最后，通過稀疏分析正則化的方法得到最終的圖像融合結(jié)果。
　　最后，為了解決全色圖像和多光譜圖像之間傳感器波段響應(yīng)不匹配問題。本文充分利用全色圖像與多光譜圖像之間以及