论文部分内容阅读
目前,大多数地球遥感卫星,都能提供高空间分辨率的全色波段影像与低空间分辨率的多光谱影像。图像融合技术可以将全色波段影像的高空间分辨率信息和多光谱影像的光谱信息相结合,获得一幅具有较高空间分辨率的多光谱影像,更好地应用于地物识别、土地利用现状调查等遥感应用中。本论文主要研究基于方向性多分辨率分析的遥感影像融合算法。融合过程中,分别采用离散小波变换、小波包变换、Contourlet变换、基于小波变换的Contourlet变换(Wavelet Based Contourlet Transform,WBCT)、非下采样的Contourlet变换(Non-Sampling Contourlet Transform,NSCT)等方向性多分辨率分析工具对源图像进行分解,按照不同的融合规则进行融合系数的选取,并对各融合结果进行了客观的评价。本论文的主要工作及创新之处如下：(1)对比分析了在传统的基于小波变换的融合算法以及IHS与小波变换相结合的融合算法中,不同的小波函数或不同的小波分解层数对融合结果的影响。分别采用SPOT全色和多光谱影像、ALOS全色和多光谱影像、SPOT全色和TM多光谱影像进行传统的基于小波变换的融合实验。结果表明,在基于小波变换的融合算法中,分解层数应以2-3层为宜,小波函数的选取对融合结果无显著的影响。采用同样的方法进行了IHS与小波变换相结合的融合实验,得出了相同的结论。(2)对比分析了采用相同的小波函数并进行相同层次的小波分解时,以上两种融合算法的融合效果。结果表明,IHS与小波变换相结合的融合结果与原始多光谱影像的光谱偏差要远小于传统的基于小波变换的融合,而二者信息熵基本一致。(3)提出了一种IHS与小波包变换相结合的融合算法,并将其与IHS与小波变换相结合的融合算法进行比较。实验结果表明,相对于IHS与小波变换相结合的融合算法,该算法可以使融合结果影像与原始多光谱影像的光谱偏差减少,相关系数和结构相似度提高,但空间信息会略有损失。(4)首次将结构相似度(SSIM)用于表征影像的区域特征,提出了一种基于结构相似度的IHS与小波变换相结合的融合算法,通过判断原始多光谱影像与全色波段影像的结构相似度来确定二者对融合影像的贡献。实验结果表明,该算法可以使融合影像在提高影像分辨率的同时很好地保持影像的光谱特征。(5)进行了IHS与contourlet变换相结合的融合中的最优的金字塔滤波器和方向滤波器组合的选取。实验结果表明,采用“5-3”金字塔滤波器和“pkva8”方向滤波器可以取得最优的融合效果。(6)对各种基于方向性多分辨率分析的融合结果进行了对比分析。结果表明基于contourlet及其拓展形式的变换的融合影像比基于小波变换的融合影像拥有更高的空间分辨率,影像中的道路等线性地物边界清晰,有效地改善了基于小波变换的融合影像中的块状现象。(7)针对目前的融合算法大多是对单个像元进行处理,很少考虑其邻域特征的问题,提出了一种基于区域特征的IHS与WBCT相结合的融合算法,通过比较源影像像高频系数的标准偏差来确定融合影像的高频,通过比较源影像低频系数的能量匹配度来确定融合影像的低频。实验结果表明,该算法在提高融合影像空间分辨率的同时,能有效地保持影像的光谱特性。