| 【中文题名】 | 卫星多源遥感图像融合技术的研究 |
| 【英文题名】 | |
| 【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】 | 图像融合,SFIM算法,自适应加权均值滤波,Markov随机场,EM算法,集中式融合 |
| 【英关键词】 | Image fusion,SFIM,Adaptive weighted mean filter,Markov random field,EM algorithm,Distributed fusion,Centric,fusion, |
| 【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】 |
近年来，多源遥感图像融合已经成为遥感应用领域和图像工程领域的研究热点。它是为解决快速、有效处理多源传感器提供的海量数据这一问题而提出的一门新兴技术。多源遥感图像融合技术可以将多源传感器的图像数据进行关联和复合，产生出比单一信息源更精确、更完整、更可靠的估计和判断。图像融合分为三个层次：像素层、特征层和决策层。本论文的工作是在像素层和特征层展开的，取得了一些有新意的成果。论文的主要工作和成果包括：
在像素层，论文研究了多传感器数据融合理论及遥感图像预处理的过程和步骤，归纳了多源遥感图像像素层融合的常用算法，并针对目前遥感数据呈海量化、复杂化这一发展趋势同遥感信息提取的能力和效率滞后这一矛盾，在SFIM算法的基础上，将IHS变换与SFIM相结合，将原算法中的均值滤波器改进为自适应加权均值滤波器，提出了一种改进的SFIM算法，通过对一组多光谱图像和全色图像的双传感器融合仿真对比试验，证明了该算法在保持原多光谱图像光谱信息的同时，能够有效提高融合图像的空间分辨能力。由于该算法简洁，更适合用于那些需要快速交互处理和实时可视化的融合系统。
在特征层，论文研究了基于Markov随机场的图... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-8 |
|
第一章 前言 |
8-14 |
|
1.1 选题的背景 |
8-10 |
|
1.2 卫星多源遥感图像融合的产生、发展和意义 |
10-12 |
|
1.2.1 数据融合理论的发展和现状 |
10-11 |
|
1.2.2 多传感器图像融合技术及其发展 |
11-12 |
|
1.3 论文的主要工作 |
12-13 |
|
1.4 论文的结构安排 |
13-14 |
|
第二章 多传感器遥感图像融合的基本理论 |
14-25 |
|
2.1 多传感器图像融合的层次 |
14-20 |
|
2.1.1 像素层融合 |
15-17 |
|
2.1.2 特征层融合 |
17-18 |
|
2.1.3 决策层融合 |
18-19 |
|
2.1.4 三种融合层次的比较 |
19-20 |
|
2.2 遥感图像融合处理的基本框架 |
20-21 |
|
2.3 遥感图像融合的预处理概述 |
21-23 |
|
2.3.1 遥感图像的几何校正概述 |
21-22 |
|
2.3.2 遥感图像配准概述 |
22-23 |
|
2.4 本章小结 |
23-25 |
|
第三章 多源遥感图像像素层融合研究 |
25-42 |
|
3.1 多源遥感图像像素层融合方法概述 |
25-35 |
|
3.1.1 彩色变换方法 |
25-28 |
|
3.1.2 基于统计的方法 |
28-29 |
|
3.1.3 基于多分辨率分析的方法 |
29-33 |
|
3.1.4 数字加权方法 |
33 |
|
3.1.5 基于光照模型的方法 |
33-35 |
|
3.2 像素层融合结果的评价标准 |
35-37 |
|
3.3 仿真试验与结果分析 |
37-41 |
|
3.3.1 试验图像说明 |
37-38 |
|
3.3.2 几种融合算法的仿真结果 |
38-40 |
|
3.3.3 对融合结果的评价 |
40-41 |
|
3.4 本章小结 |
41-42 |
|
第四章 多源遥感图像特征层分类融合研究 |
42-69 |
|
4.1 特征层分类融合算法概述 |
42-44 |
|
4.2 遥感图像特征层分类算法流程 |
44-45 |
|
4.3 基于Markov随机场的遥感图像分类融合方法 |
45-64 |
|
4.3.1 Markov随机场理论 |
46-49 |
|
4.3.2 一些常用的MRF模型 |
49-51 |
|
4.3.3 用于图像分类的Markov随机场模型 |
51-58 |
|
4.3.3.1 MAP-MRF框架 |
51-52 |
|
4.3.3.2 组合优化算法 |
52-56 |
|
4.3.3.3 多层次Markov模型 |
56-57 |
|
4.3.3.4 参数估计及EM算法 |
57-58 |
|
4.3.4 基于EM-MRF的遥感图像分类融合方法 |
58-64 |
|
4.3.4.1 基于MAP-MRF的图像非监督分类算法 |
58-60 |
|
4.3.4.2 基于EM-MRF的图像非监督分类算法 |
60-63 |
|
4.3.4.3 基于EM-MRF的融合方法 |
63-64 |
|
4.4 仿真试验和结论 |
64-68 |
|
4.5 本章小结 |
68-69 |
|
第五章 总结与待深入探讨的问题 |
69-71 |
|
致谢 |
71-72 |
|
参考文献 |
72-78 |
|
攻读硕士学位期间发表的学术论文 |
78-79 |
|
| 【DOI】 | LunWen.ID:2.2008.389227 |
