| 【中文题名】 | 基于小波分析与无监督分类的多源遥感图象信息融合 |
| 【英文题名】 | Multi-source Remote-sensing Image Fusion Based on Wavelet Analysis and Unsupervised Classification |
| 【学科专业】 | 信号与信息处理 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2004-6-28 |
| 【中关键词】 | 小波分析,Mallat算法,Trous算法,图象融合,纹理特征,PCA |
| 【英关键词】 | wavelet transform, Mallat algorithm, Trous algorithm, image fusion, texture feature, PCA, unsupervised classification, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>遥感技术>遥感图像的解译、识别与处理>图像处理方法> |
| 【论文摘要】 |
遥感影象的数据融合是当今遥感技术领域中的一个研究热点。随着遥感信息获取手段的增多以及遥感技术的发展，遥感影象的融合受到了越来越多的关注。本文结合课题，在对小波理论和遥感图象融合技术进行了较为系统地学习和总结的基础之上，重点研究了以小波分析和无监督分类为工具的遥感图象融合方法及其算法仿真。
本文首先从小波理论在信号与信息处理学科领域中的应用角度对小波理论进行了系统的总结和介绍，分别利用Mallat算法和Trous算法实现了图象的正交小波变换和冗余小波变换。然后总结了现有典型的基于正交小波变换的像素级融合算法和基于冗余小波变换的图象融合算法，使用了标准差、信息熵和平均梯度三个标准作为融合结果的客观评价参数，并从理论上分析了各种算法的优劣。在以上分析的基础之上，作者提出了一种基于源图象活跃度和相似度的像素级融合算法，经过实验比较证明该算法的融合结果质量较同类算法有大幅度的提高。通过对图象纹理及其在多光谱图象融合中作用的深入研究，作者又提出了一种基于冗余小波纹理特征的重要中心系数(SCC)融合算法，通过与其它同类融合算法结果的比较证明了该算法在提高融合结果质量上的先进性。最后，还介绍了基于主成分... |
| 【论文题纲】 |
|
中文摘要 |
6-7 |
|
英文摘要 |
7-8 |
|
第一章 概述 |
8-14 |
|
1.1 多源遥感图象融合的意义 |
8-9 |
|
1.2 国内外研究现状 |
9 |
|
1.3 图象融合方法的概述 |
9-13 |
|
1.4 论文课题背景与来源 |
13 |
|
1.5 论文内容安排 |
13-14 |
|
第二章 小波变换基础 |
14-26 |
|
2.1 小波理论发展的历史 |
14 |
|
2.2 小波变换 |
14-17 |
|
2.3 多分辨率分析 |
17-22 |
|
2.4 冗余小波变换 |
22-26 |
|
第三章 基于正交小波变换的多源遥感图象融合 |
26-39 |
|
3.1 多源遥感图象融合的基础知识 |
26-27 |
|
3.2 基于正交小波变换的图象融合 |
27-39 |
|
第四章 基于冗余小波变换的多光谱图象融合 |
39-48 |
|
4.1 传统的基于冗余小波变换的图象融合算法 |
39-41 |
|
4.2 基于冗余小波纹理特征的SCC融合算法 |
41-44 |
|
4.3 实验结果及分析 |
44-48 |
|
第五章 基于非监督分类的多光谱图象融合 |
48-56 |
|
5.1 基于主成分分析的多光谱图象融合 |
48-50 |
|
5.2 遥感图象非监督分类 |
50-54 |
|
5.3 基于非监督分类的多光谱遥感图象融合 |
54-56 |
|
第六章 总结与展望 |
56-58 |
|
6.1 总结 |
56-57 |
|
6.2 今后的工作方向 |
57-58 |
|
参考文献 |
58-60 |
|
致谢 |
60-61 |
|
| 【DOI】 | LunWen.ID:2.2008.389224 |
