基于稀疏表示的遙感圖像融合理論與方法研究.pdf

1、遙感圖像融合是整合源圖像中的互補信息，去除相互間的冗余信息，從而獲得一幅可信度高、目標更清晰的融合圖像，以便于人眼視覺判讀和后續(xù)的計算機處理。
　　本文以稀疏表示理論為基礎，對遙感圖像融合做了探索性的研究。本文主要工作如下：
　　1.將稀疏表示理論引入遙感圖像融合，采用訓練字典對圖像進行稀疏表示。訓練字典具有更好的自適應性和靈活性，能很好地對具有復雜特征的遙感圖像進行表示；本文利用SFIM模型能將高分辨率圖像的細節(jié)信息有效注

2、入到低分辨率圖像中這一優(yōu)勢，對IHS變換后的I分量和全色圖像進行SFIM運算；本文采用空間頻率取大的融合規(guī)則對稀疏系數進行融合，該規(guī)則充分利用了圖像間的局部特征，能有效地提高空間分辨率。通過多組實驗分析表明，該算法能在提高空間分辨率的同時更好的保持光譜特性。
　　2.針對基于訓練字典的遙感圖像融合算法的光譜信息保留不夠，利用小波變換具有光譜保持特性的優(yōu)勢，將小波變換與稀疏表示相結合并用于遙感圖像的融合過程中。分析小波變換后的高低頻

3、數據，對具有不同數據特性的高頻和低頻數據分別進行融合。由于低頻數據是原始圖像的逼近數據，系數大部分不等于0，不可以看做是“稀疏的”。因此，用訓練字典對低頻數據進行稀疏表示；高頻數據是對原始圖像顯著信息的反映，其大部分系數接近于或等于零，可以看做是“稀疏的”，可以直接對其進行融合。本文采用基于圖像信息的融合規(guī)則對高頻數據進行融合，該規(guī)則能同時考慮系數本身以及其領域內系數的相關性，能保留高頻系數中含有的邊緣和細節(jié)等信息。通過多組實驗分析，該