| 【中文题名】 | 基于小波变换的遥感图像融合技术研究 |
| 【英文题名】 | Research on the Image Fusion in Remote Sensing Technology Based on the Wavelet Transform |
| 【学科专业】 | 通信与信息系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-21 |
| 【中关键词】 | 遥感图像融合,评价准则,小波变换,提升小波变换,, |
| 【英关键词】 | Image fusion in remote sensing,Evaluation criteria,Wavelet transform,Lifting wavelet transform, |
| 【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】 |
作为图像融合领域的一个重要分支，遥感图像融合研究的是如何综合利用不同航空遥感传感器所获取的图像信息，来产生新的数据，以获取对同一事物或目标的更为全面、客观及本质上的认识。在高度信息化的今天，遥感图像融合己经成为图像处理和图像信息理解领域中不可或缺的技术，并在很多军事和民用方面有着重要应用。
本论文基于小波变换技术，对遥感图像融合处理中的一些重要问题进行了深入的研究。具体内容有四个方面：
介绍了遥感成像、遥感图像融合的概念，以及目前国内外遥感图像融合技术的发展现状。针对原始图像影响融合图像质量的问题，本文讨论了图像融合前需要进行的前期处理步骤(包括几何校正、去噪、配准等处理步骤)。
对像素级融合中的线性平均加权法、高通滤波融合法、IHS变换法、主成份分析(PCA)、小波变换等方法进行了详细的讨论。详细地探讨了小波基函数、小波分解层数的选取对遥感图像融合结果的影响，为小波基函数和分解层数的选择提供了依据，并通过实验对其特点和性能做了细致的对比，结果表明：对于SAR图像与TM多光谱影像融合，与传统的融合方法相比，小波融合方法不仅能很好地保持SAR图像的纹理、结构信息，而且在TM光谱... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
ABSTRACT |
6-11 |
|
第1章 绪论 |
11-18 |
|
1.1 引言 |
11 |
|
1.1 本文研究的背景 |
11-14 |
|
1.1.1 遥感技术概述 |
11-12 |
|
1.1.2 遥感图像融合的基本概念及意义 |
12-14 |
|
1.2 图像融合技术的研究现状及存在的问题 |
14-15 |
|
1.2.1 研究现状 |
14-15 |
|
1.2.2 存在的问题 |
15 |
|
1.3 本文选题的目的、意义 |
15-16 |
|
1.4 本文的研究内容及结构安排 |
16-18 |
|
第2章 遥感图像特性分析及图像融合预处理 |
18-27 |
|
2.1 遥感图像特性分析 |
18-21 |
|
2.1.1 SAR图像特性分析 |
18-19 |
|
2.1.2 TM图像特性分析 |
19-20 |
|
2.1.3 SPOT卫星特性分析 |
20 |
|
2.1.4 中巴地球资源卫星特性分析 |
20-21 |
|
2.2 图像融合前的预处理 |
21-24 |
|
2.2.1 图像的几何校正 |
21-22 |
|
2.2.2 图像的去噪 |
22-23 |
|
2.2.3 图像配准 |
23-24 |
|
2.3 本文实验图像简介 |
24-26 |
|
2.4 本章小结 |
26-27 |
|
第3章 图像融合技术研究 |
27-45 |
|
3.1 遥感图像融合技术简介 |
27-28 |
|
3.2 图像融合的层次 |
28-32 |
|
3.2.1 像素级图像融合 |
28-29 |
|
3.2.2 特征级图像融合 |
29-30 |
|
3.2.3 决策级图像融合 |
30-32 |
|
3.3 图像融合的目的 |
32-33 |
|
3.4 遥感图像融合的常用方法 |
33-40 |
|
3.4.1 线性平均加权法 |
33-34 |
|
3.4.2 高通滤波融合法 |
34-36 |
|
3.4.3 基于 IHS变换的融合方法 |
36-38 |
|
3.4.4 基于 PCA变换的融合方法 |
38-40 |
|
3.5 融合结果评价准则 |
40-44 |
|
3.5.1 基于信息量的评价 |
41 |
|
3.5.2 基于统计特性的评价 |
41-42 |
|
3.5.3 基于相关性的评价 |
42-43 |
|
3.5.4 基于梯度值的评价 |
43-44 |
|
3.6 本章小结 |
44-45 |
|
第4章 基于小波理论的遥感图像融合 |
45-66 |
|
4.1 小波变换 |
46-48 |
|
4.1.1 连续小波变换 |
46-47 |
|
4.1.2 离散小波变换 |
47-48 |
|
4.2 图像的小波分解 |
48-49 |
|
4.3 基于小波变换的遥感图像融合算法一般过程 |
49-56 |
|
4.3.1 基于小波变换的图像融合的物理意义 |
49-50 |
|
4.3.2 基于小波变换的遥感图像融合算法一般过程 |
50-51 |
|
4.3.3 小波基的选取及验证 |
51-52 |
|
4.3.4 小波分解层数的选取及验证 |
52-56 |
|
4.4 基于小波变换的线性加权遥感图像融合 |
56-58 |
|
4.5 各种融合方法对比分析 |
58-65 |
|
4.6 本章小结 |
65-66 |
|
第5章 基于提升小波变换的遥感图像融合算法 |
66-76 |
|
5.1 提升小波变换的产生与优点 |
66-67 |
|
5.2 提升小波变换的基本步骤 |
67-68 |
|
5.3.1 分裂 |
67 |
|
5.3.2 预测 |
67 |
|
5.3.3 更新 |
67-68 |
|
5.3.4 重构 |
68 |
|
5.3 整数变换 |
68-69 |
|
5.4 图像的提升小波分解算法 |
69-72 |
|
5.4.1 图像的提升小波分解算法 |
69 |
|
5.4.2 提升小波基的选择 |
69-72 |
|
5.5 基于提升小波变换的不同融合策略 |
72-75 |
|
5.5.1 加权法 |
72-73 |
|
5.5.2 一种基于提升小波的融合新算法 |
73-75 |
|
5.6 本章小结 |
75-76 |
|
结论 |
76-78 |
|
参考文献 |
78-82 |
|
攻读硕士学位期间发表的论文和取得的科研成果 |
82-83 |
|
致谢 |
83 |
|
| 【DOI】 | LunWen.ID:2.2008.389461 |
