基于投影替代與矩陣低秩稀疏分解的多光譜圖像融合.pdf

1、隨著近幾年遙感技術的快速發(fā)展，人們利用光學遙感衛(wèi)星比如IKONOS，QuickBird，GeoEye-1等獲取了大量遙感圖像，這些遙感圖像在人們實際的生產(chǎn)、生活中，比如氣象預報、災害監(jiān)測、軍事測繪等，發(fā)揮了重要作用。由于傳感器技術的限制，這些光學衛(wèi)星獲取的單波段全色圖像空間分辨率高但是缺乏光譜信息，與此相對應，多光譜圖像含有豐富的光譜信息但是空間分辨率低。實際應用中高空間分辨率的多光譜圖像更有助于進行圖像理解與解譯，實現(xiàn)信息高效利用并幫

2、助人們作出更加可靠的決策。利用數(shù)據(jù)融合，學者們提出將多光譜與全色圖像融合來獲取高空間分辨率多光譜圖像的技術，這種通過圖像融合手段獲取高空間分辨率多光譜圖像的技術即為多光譜與全色圖像融合也被稱為全色銳化。
　　依照多光譜融合技術的發(fā)展主線，針對多光譜融合中出現(xiàn)的空間失真以及光譜失真問題，利用小波變換、矩陣低秩稀疏分解、稀疏表示和圖像超分辨等理論，本文對多光譜與全色圖像融合展開了相關的探索與研究，并取得了一定的成果。本文的工作可以簡單

3、總結如下:
　　1).針對傳統(tǒng)主成分分析融合算法造成的光譜失真，深入討論分析了產(chǎn)生光譜失真的原因，并提出一種改進的主成分分析融合算法。利用平滑濾波亮度調節(jié)技術將多光譜中的低分辨率空間信息調制到高分辨率，進而利用ATWT將調制的高分辨率空間信息和全色圖像分解成小波低頻與高頻信息，并設計不同融和規(guī)則融合得到高分辨率的空間信息。研究表明利用改進算法構造的高分辨率空間信息與多光譜原有的低分辨率空間信息更加相似，從而更適合于作為高分辨率空間

4、信息替換多光譜原有的低分辨率空間信息。傳統(tǒng)主成分分析融合算法的性能因此也得到了有效提升。
　　2).針對多光譜圖像高度冗余和高相關性的特點，結合矩陣低秩稀疏分解理論的降維去相關特性，對矩陣低秩稀疏分解在多光譜融合領域進行探索。提出一種基于矩陣低秩稀疏分解的分量替代策略的融合算法，研究得出了有益結論。
　　3).基于分量替代策略的融合算法由于其固有的局限必然會引起較大程度的光譜失真。為進一步改善之前提出的基于矩陣低秩稀疏分解融

5、合算法的性能，在深入探討分析了鄰域像素相關性對融合性能的影響后，利用上下文決策模型挖掘鄰域像素空間相關性特征，與此同時結合實驗分析和多光譜圖像特性對矩陣低秩稀疏分解的參數(shù)進行了重點分析。研究確定了低秩稀疏分解的最佳參數(shù)，同時表明在考慮了鄰域像素相關性后，算法性能得到了顯著提升。
　　4).結合矩陣低秩稀疏分解理論，分析了融合多光譜圖像的組成成分并詳細探討了各部分作用。針對多光譜圖像空間信息，探索空間信息清晰度對于多光譜融合算法性能

6、的影響，提出一種基于高頻信息注入策略的融合算法。研究表明空間信息清晰度對于融合算法的性能提升有正面作用。
　　5).針對傳統(tǒng)GS1融合算法的細節(jié)信息計算方式，分析討論了細節(jié)信息對于多光譜融合算法性能的影響?；诔叨炔蛔兒蛯Ρ榷炔蛔兊募僭O，結合信號稀疏表示理論和光學圖像成像模型，利用全色圖像空間特征設計直接計算細節(jié)信息的方法。研究表明這種直接計算出的細節(jié)信息更加相似于從理想高分辨率多光譜圖像中提取的細節(jié)信息，因此更適合于作為細節(jié)信息