| 【中文题名】 | 基于小波理论的超光谱图像融合研究 |
| 【英文题名】 | Research on Hyperspectral Image Fusion Based on Wavelet Theory |
| 【学科专业】 | 通信与信息系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-10-21 |
| 【中关键词】 | 超光谱,图像融合,小波,方差加权,数据源划分,波段选择 |
| 【英关键词】 | hyperspectral,image fusion,wavelet,variance weighted,date resourse division,bands selection, |
| 【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】 | 超光谱遥感被认为是遥感技术的一场革命。成像光谱仪使得获取高光谱分辨率超光谱图像成为现实。超光谱图像是指利用成像光谱仪以很多很窄的电磁波段从感兴趣的物体获取的图像,它使本来在多光谱中不可测的物质,可以在超光谱中探测到。为了从超光谱图像中得到对观测地物的整体解译信息,必须从巨大的数据量中把地物特征富集起来形成一幅图像,这就是本论文要研究的当今的热点课题——超光谱融合技术。由于超光谱图像具有自身特性,所以其融合技术与以往相比有较大不同。为了获取我们需要的地物特征,超光谱图像融合技术是一项重要的处理技术,具有重要的理论意义和实际应用价值。超光谱图像分析与处理技术的研究已成为遥感领域的一项前沿性课题,其中融合技术更是研究的热点之一。本论文以此为背景,基于小波变换技术,对超光谱图像融合处理中的一些重要问题进行了深入的研究。
具体内容有三个方面:
为了更加有效的提取超光谱图像中的特征,对超光谱图像的成像机理及特性进行了剖析。在本论文中,我们的实验图像是AVIRIS超光谱图像,它是指在0.4-2.5μm光谱范围内对同一地物成像224幅图像,波谱宽度大约为10nm。针对超光谱图像高数据维、高谱间相关性、... |
| 【论文题纲】 |
|
第1章 绪论 |
12-21 |
|
1．1 引言 |
12 |
|
1．2 课题研究的背景 |
12-15 |
|
1．2．1 遥感技术概述 |
12-13 |
|
1．2．2 多光谱遥感的发展简介 |
13-14 |
|
1．2．3 超光谱遥感的由来 |
14-15 |
|
1．3 超光谱融合研究的重要意义 |
15-16 |
|
1．4 超光谱图像融合技术研究现状 |
16-19 |
|
1．4．1 国外超光谱研究情况 |
17 |
|
1．4．2 我国研究情况 |
17-19 |
|
1．5 课题研究思路及内容安排 |
19-21 |
|
1．5．1 研究思路 |
19 |
|
1．5．2 论文研究内容及结构安排 |
19-21 |
|
第2章 超光谱图像特征分析 |
21-34 |
|
2．1 超光谱图像概述 |
21-27 |
|
2．1．1 超光谱图像的定义 |
21-22 |
|
2．1．2 超光谱遥感成像系统 |
22-24 |
|
2．1．3 超光谱图像的获取方式 |
24-25 |
|
2．1．4 超光谱图像数据表示方法 |
25-26 |
|
2．1．5 超光谱图像数据存贮方式 |
26-27 |
|
2．2 超光谱图像特性分析 |
27-29 |
|
2．3 超光谱图像数据源划分 |
29-31 |
|
2．3．1 数据源划分依据 |
29 |
|
2．3．2 超光谱图像数据源划分方法 |
29-31 |
|
2．4 基于超光谱图像融合的特征变换 |
31-33 |
|
2．4．1 主成分分析(PCA) |
32-33 |
|
2．4．2 小波变换技术 |
33 |
|
2．5 本章小结 |
33-34 |
|
第3章 图像融合技术概述 |
34-45 |
|
3．1 遥感图像融合技术简介 |
34-35 |
|
3．2 图像融合技术的不同层次 |
35-37 |
|
3．2．1 象素级图像融合 |
35-36 |
|
3．2．2 基于特征的图像融合 |
36 |
|
3．2．3 基于决策级的图像融合 |
36-37 |
|
3．3 图像融合的典型方法 |
37-41 |
|
3．3．1 基于 IHS变换的融合 |
38 |
|
3．3．2 相关统计分析融合 |
38 |
|
3．3．3 空间滤波分析融合 |
38-39 |
|
3．3．4 回归变量代换(RVS)融合 |
39 |
|
3．3．5 主成分分析(PCA)融合 |
39 |
|
3．3．6 小波变换融合 |
39-40 |
|
3．3．7 基于神经网络的图像融合 |
40 |
|
3．3．8 基于人工智能技术的图像融合 |
40-41 |
|
3．4 图像融合的关键技术分析 |
41 |
|
3．5 融合方法的对比及超谱融合方法选择 |
41-42 |
|
3．6 图像统计分析与融合效果的评价 |
42-44 |
|
3．7 本章小结 |
44-45 |
|
第4章 基于小波理论的超光谱图像融合 |
45-60 |
|
4．1 引言 |
45-46 |
|
4．2 小波基本理论 |
46-49 |
|
4．2．1 连续小波变换 |
46-48 |
|
4．2．2 离散小波变换 |
48-49 |
|
4．3 小波多分辨率分析 |
49-52 |
|
4．4 超光谱图像的小波分解与重构 |
52-55 |
|
4．4．1 一维图像分解与重构 |
52-53 |
|
4．4．2 二维图像分解与重构 |
53-55 |
|
4．5 小波基的选取及验证 |
55-57 |
|
4．6 小波均值融合 |
57 |
|
4．7 实验结果及分析 |
57-59 |
|
4．8 本章小结 |
59-60 |
|
第5章 基于小波变换的超光谱图像方差加权融合 |
60-71 |
|
5．1 引言 |
60-61 |
|
5．2 基于小波变换的方差加权融合 |
61-62 |
|
5．2．1 算法思路 |
61-62 |
|
5．2．2 实现步骤 |
62 |
|
5．3 基于数据源划分方差加权融合 |
62-64 |
|
5．3．1 自适应数据源划分超光谱图像融合 |
62-63 |
|
5．3．2 基于电磁波谱划分数据源加权融合 |
63 |
|
5．3．3 融合步骤 |
63-64 |
|
5．4 基于波段选择超光谱图像融合 |
64 |
|
5．5 实验结果及分析 |
64-70 |
|
5．6 本章小结 |
70-71 |
|
结论 |
71-73 |
|
参考文献 |
73-77 |
|
攻读硕士学位期间发表的论文 |
77-78 |
|
致谢 |
78 |
|
| 【DOI】 | LunWen.ID:2.2008.389299 |
