| 【中文题名】 | 基于小波变换的多光谱图像融合 |
| 【英文题名】 | Multi-spectral Image Fusion Method Based on Wavelet Transform |
| 【学科专业】 | 计算数学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-4-5 |
| 【中关键词】 | 图像融合,小波变换,加权平均,视觉特性,阈值, |
| 【英关键词】 | image fusion,wavelet transform,weighting average,features of human vision system,threshold, |
| 【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】 | 随着现代遥感技术和通讯技术的发展,各种对地观测卫星源源不断地提供不同空间分辨率、时间分辨率、波谱分辨率的遥感图像。为了对观测目标有更加全面、清晰、准确的理解与认识,人们迫切希望寻找一种综合处理各类影像数据的技术方法,因此图像融合技术应运而生。所谓图像融合就是将从一个传感器或多个传感器获得的多重图像合成一幅图像,在这幅图像中能反映多重原始图像中的信息,以达到对目标更精确、更全面的分析和判断。本论文主要针对多光谱图像传感器数据与全色图像传感器数据进行双源融合。利用具有良好的信号处理及图像处理特性的小波分析方法,着重探讨了基于小波变换的多传感器图像融合。
第四章在探讨小波分析在图像处理中的应用的基础上,提出了一种基于小波变换的加权图像融合方法。该方法通过局部方差准则利用加权平均将高空间分辨率图像和多光谱图像经小波分解的低频分量进行融合,然后将融合的低频分量和高空间分辨率图像的细节分量结合进行小波反演变换得到融合图像。
第五章提出了一种基于小波变换和人眼视觉系统特性的多光谱图像融合算法。首先对已配准的源图像进行小波多尺度分解; 其次基于视觉系统提出一种新的融合规则,即分别将对应的高低频分量分割成若干个块,... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-9 |
|
1 绪论 |
9-13 |
|
1.1 引言 |
9-10 |
|
1.2 多波段图像融合的研究现状及发展前景 |
10-12 |
|
1.3 本文的主要工作及安排 |
12-13 |
|
2 多波段图像融合原理概述 |
13-25 |
|
2.1 多传感器图像融合的基本概述 |
13-15 |
|
2.2 基本流程 |
15-16 |
|
2.3 图像的预处理 |
16-17 |
|
2.4 融合算法介绍 |
17-22 |
|
2.4.1 IHS 变换法 |
18-20 |
|
2.4.2 PCA 主成分变换法 |
20-22 |
|
2.4.3 高通滤波(HPF)法 |
22 |
|
2.5 融合结果评价 |
22-25 |
|
3 小波分析理论基础 |
25-33 |
|
3.1 引言 |
25 |
|
3.2 连续小波变换的定义及基本性质 |
25-27 |
|
3.3 离散小波变换 |
27-28 |
|
3.4 多分辨分析与Mallat 算法 |
28-33 |
|
3.4.1 多分辨分析 |
28-31 |
|
3.4.2 Mallat 算法 |
31-33 |
|
4 基于小波变换的加权图像融合 |
33-41 |
|
4.1 引言 |
33 |
|
4.2 图像的离散小波分解 |
33-34 |
|
4.3 基于小波变换的图像融合的基本思路 |
34-36 |
|
4.4 基于小波变换的加权图像融合算法 |
36-38 |
|
4.5 融合结果评价 |
38-41 |
|
5 基于小波变换和视觉特性的多光谱图像融合 |
41-49 |
|
5.1 引言 |
41 |
|
5.2 人眼视觉系统 |
41-44 |
|
5.2.1 视觉锐度 |
41-42 |
|
5.2.2 对比度敏感度 |
42 |
|
5.2.3 多通道结构 |
42 |
|
5.2.4 掩盖效应 |
42-44 |
|
5.3 融合算法 |
44-46 |
|
5.4 实验结果及评价 |
46-49 |
|
6 总结 |
49-50 |
|
致谢 |
50-51 |
|
参考文献 |
51-54 |
|
附录 作者在攻读硕士学位期间发表的论文 |
54 |
|
| 【DOI】 | LunWen.ID:2.2008.389341 |
