多傳感器遙感圖像信息融合算法研究.pdf

1、本文首先介紹了遙感圖像融合的基本概念，國內(nèi)外遙感圖像融合技術的現(xiàn)狀及發(fā)展趨勢，討論了圖像融合預處理步驟(包括幾何校正、配準等處理)。然后，對像素級融合中的IHS變換、主成分分析(PCA)、小波變換(WT)等方法進行了深入研究。 為了充分利用各源圖像所包含的信息，針對不同傳感器圖像所具有的特征，在分析傳統(tǒng)小波融合方法特性的基礎上，重點研究了基于特征積的PCA-CWT遙感圖像融合算法和基于區(qū)域特征加權的IHS-CWT遙感圖像融合算法

2、。 所提出的基于特征量積的PCA-CWT遙感圖像融合算法，對多譜圖像進行PCA變換。然后，將匹配后的全色圖像與第一主分量以特征量積的融合準則，進行小波圖像融合。對來自不同場景的，不同衛(wèi)星的多光譜和全色圖像進行融合實驗。實驗結果表明，融合后的圖像在主觀視覺效果與客觀統(tǒng)計數(shù)據(jù)上都優(yōu)于傳統(tǒng)融合算法，其保持光譜信息與增強圖像的空間細節(jié)信息的性能均得到了提高。 所提出的基于區(qū)域特征加權的IHS-CWT遙感圖像融合算法，結合IHS變

3、換和小波變換的優(yōu)點，將匹配后的新全色分量和IHS變換后多光譜圖像的亮度分量采用多元特征動態(tài)加權法，進行小波融合，從而使融合圖像在保持光譜信息和提高空間分辨率兩個方面綜合性能達到較好平衡。對來自不同場景的，不同衛(wèi)星的多光譜和全色圖像進行融合實驗。實驗結果表明，新算法既融入了高分辨率圖像的空間細節(jié)信息，又很好地保留了多光譜圖像的光譜信息。 所提出的兩種新融合算法綜合利用了傳統(tǒng)算法的優(yōu)點，使用圖像區(qū)域內(nèi)多個特征進行融合判決，融合后的圖