| 【中文题名】 | 遥感图像中的多源信息融合技术研究 |
| 【英文题名】 | The Multisensor Information Fusion Technology for Remote Sensing Image |
| 【学科专业】 | 模式识别与智能系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-9-10 |
| 【中关键词】 | 图像融合,PCA,小波包,SVM,, |
| 【英关键词】 | Image fusion,PCA,Wavelet packet,SVM, |
| 【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>图像处理设备> |
| 【论文摘要】 |
图像融合就是采用一定的算法，把两个或多幅具有互补特性的源图像融合成一幅新的图像，从而使融合后的图像具有更高的可信度和清晰度、更好的可理解性。近年来，随着遥感图像传感器技术的发展和数据源的不断丰富，遥感图像的多传感器信息融合技术得到了迅猛的发展，并且已经成为遥感图像处理和理解中的关键研究课题之一。从待处理数据的抽象层次上分，融合技术可分为像素级、特征级和决策级三种。本文主要是围绕像素级展开的，深入研究了多光谱图像与全色图像的融合技术。并提出了一些改进方法，取得了较好的效果。本文主要提出了如下两种新的融合算法：
(1)基于PCA和小波包分析的融合算法
首先，针对传感器自身存在的缺点，需要借助于融合算法来满足人们的需求，我们这种方法能提供满足人们需求的遥感图像。其次，在一定程度上克服了传统融合算法的一些缺陷，在充分分析传统融合算法缺点的基础上，避免了类似缺陷。另外，采用小波包对图像进行分解，更全面的对图像进行分析，最大程度上的保留了融合图像的高频分量
(2)基于区域的SVM分类融合算法
首先，按照像素级融合的特点，把图像融合问题转换为像素点的分类问题，从分类角度来看待图像融... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
ABSTRACT |
4-5 |
|
目录 |
5-7 |
|
第1章 绪论 |
7-16 |
|
1.1 多源遥感图像的定义 |
7-8 |
|
1.2 多源遥感图像的研究背景 |
8-9 |
|
1.3 多源遥感图像的研究现状 |
9-10 |
|
1.4 多源遥感图像的应用现状 |
10-12 |
|
1.5 多源图像融合的层次 |
12-16 |
|
1.5.1 像素级图像融合 |
12-13 |
|
1.5.2 特征级图像融合 |
13-14 |
|
1.5.3 决策级图像融合 |
14-16 |
|
第2章 图像融合预处理技术 |
16-26 |
|
2.1 SAR图像预处理技术 |
16-17 |
|
2.1.1 SAR图像成像机理 |
16 |
|
2.1.2 SAR图像去噪 |
16-17 |
|
2.2 TM图像预处理 |
17-18 |
|
2.2.1 噪声处理 |
17 |
|
2.2.2 校正处理 |
17-18 |
|
2.2.3 增强处理 |
18 |
|
2.3 图像配准 |
18-23 |
|
2.4 图像插值 |
23-26 |
|
2.4.1 最近邻域内插法 |
23-24 |
|
2.4.2 双线性内插法 |
24-25 |
|
2.4.3 双三次内插法 |
25-26 |
|
第3章 图像融合的一般方法 |
26-43 |
|
3.1 直接平均法融合 |
26-27 |
|
3.2 高通滤波融合法 |
27-28 |
|
3.3 基于HIS变换的融合方法 |
28-30 |
|
3.3.1 彩色空间模型 |
28-30 |
|
3.3.2 HIS变换的一般步骤 |
30 |
|
3.4 基于PCA变换的融合方法 |
30-32 |
|
3.4.1 主成分分析(PCA)理论 |
30-32 |
|
3.4.2 传统主成分分析方法进行图像融合的算法 |
32 |
|
3.5 多分辨率图像融合算法 |
32-43 |
|
3.5.1 基于金字塔分解的融合算法 |
32-38 |
|
3.5.2 小波变换的基本概念 |
38-43 |
|
第4章 基于PCA和小波包的遥感图像融合算法 |
43-53 |
|
4.1 传统算法存在的缺点 |
43 |
|
4.2 一般的改进算法 |
43-44 |
|
4.3 基于PCA和小波包的改进算法 |
44-53 |
|
4.3.1 小波包概述 |
44-47 |
|
4.3.2 基于PCA和小波包的融合改进算法 |
47-48 |
|
4.3.3 实验结果 |
48-53 |
|
第5章 基于SVM的区域融合算法 |
53-63 |
|
5.1 支持向量机(SVM) |
53-58 |
|
5.2 遥感图像区域分割 |
58-59 |
|
5.2.1 地物波谱特性 |
58-59 |
|
5.3 基于边缘信息的区域分割 |
59-60 |
|
5.4 融合准则 |
60-61 |
|
5.5 实验结果 |
61-63 |
|
第6章 总结和展望 |
63-65 |
|
6.1 本文的主要工作及结论 |
63-64 |
|
6.2 工作展望 |
64-65 |
|
参考文献 |
65-68 |
|
作者在攻读硕士学位期间发表的学术论文 |
68-69 |
|
致谢 |
69 |
|
| 【DOI】 | LunWen.ID:2.2008.389485 |
