论文部分内容阅读
随着现代卫星影像数据获取能力和传感器成像技术的不断成熟,涌现了大量的高分辨率遥感影像。然而,由于传感器物理条件的限制,很难直接获得具备高空间分辨率的多光谱影像,大部分的对地观测卫星只能同时获取高空间分辨率的全色和相对低空间分辨率的多光谱影像,而前者在实际生产中则更为需要。遥感影像融合技术可以综合两种影像的优势,产生新的包含更多信息的高质量影像,以供科研和生产工作中使用。现有融合方法按其原理可分为比值增强法、多分辨率分析法和成分代替法三类。其中,成分代替法相对其他两类方法来说,执行效率与实用性更高,因此在实际应用中更受欢迎。成分代替影像融合方法中低分辨率全色波段的生成和权重注入模型的设计是当前的两个研究热点,本文即针对同源遥感影像在这两个方面进行融合方法的创新。论文的主要研究内容和创新点包括以下几个方面:(1)归纳了现有常用的影像融合方法,并详细介绍了IHS、PCA、GS、UNB、SRM和NND这六种较为成熟的成分代替影像融合方法的算法原理;总结了融合影像质量评价中具有代表性的直接评价和间接评价方法;针对GF-2卫星影像,选取典型的成分代替影像融合方法进行融合实验,并对融合结果进行定性和定量评价,分析并总结现有融合方法存在的问题。(2)介绍了引导滤波的基本原理及其在图像处理中的应用,并将其引入到影像融合中,提出一种新的基于引导滤波的遥感影像融合方法。该方法首先对多光谱影像的各波段进行加权求和,生成一个低分辨率的全色波段;然后,将多光谱影像各波段作为引导图像,对生成的低分辨率全色波段进行引导滤波处理,得到滤波结果,并用原始全色影像与滤波结果作差,提取影像的空间细节信息;最后,按照特定的权重模型将细节信息注入到原始多光谱影像中,得到最终的融合结果。重点分析和讨论了方法的有效性及参数对融合效果的影响,采用GF-2、QuickBird和WorldView-2卫星影像,选取PCA、GS、GSA、UNB和NND这五种常用的方法进行融合实验,并对融合结果进行直接和间接评价。实验结果表明,基于引导滤波的遥感影像融合方法在空间细节增强和光谱信息保持方面的能力均优于其他传统的成分代替融合方法,能有效地改善影像的质量,提高影像的分类精度。(3)介绍了成分代替影像融合方法的原理框架,并在此基础上提出一种改进的成分代替影像融合方法。该方法首先利用多光谱影像合成一个低分辨率的全色波段;然后,用原始的全色影像与之作差,提取空间细节信息;最后,按照一定的权重将空间细节注入到多光谱影像各波段中,得到融合结果。采用多幅不同传感器获取的遥感影像,选取PCA、GS、GSA和BT这四种典型的成分代替影像融合方法进行对比实验,并对融合影像进行目视判别和指标定量评价,分析并讨论方法的性能。结果表明该方法在增强影像空间细节的同时,能够很好地保留原始多光谱影像的光谱信息,能有效地改善影像的目视效果,满足影像后续利用的要求。