文档介绍：南京航空航天大学硕士学位论文
摘要
图像融合是图像理解和计算机视觉领域中一项不可或缺的技术,其中多
源遥感图像融合是遥感图像处理领域中的研究热点。它研究的是如何综合利
用不同遥感传感器所获取的图像信息来产生新的数据,以获取更多的信息。
遥感图像融合在军事和民用方面有着广泛的应用。
首先,提出基于 Contourlet 变换和互信息的遥感图像配准算法。Contourlet
变换是一种新的多尺度分析方法,比小波变换更适合分析二维图像中的边缘
特征。互信息是图像配准过程中很合适的相似性判断准则,它不需要进行图
像预处理。此算法逐层细化,实现由粗到细的搜索过程,可减少搜索空间,
提高配准精度。
其次,提出基于 Contourlet 变换和区域特征的遥感图像融合算法。将
Contourlet 变换引入图像融合中,它能够更好地提取源图像的特征,为融合
图像提供更多的信息。该算法考虑了低频分量在图像融合中的作用,增强了
图像整体效果。实验结果表明了该算法能提高融合图像的综合分辨率。
然后,提出 Contourlet 域独立分量分析和支持向量机的遥感图像融合算
法。独立分量分析可实现图像的稀疏编码并具有很好地捕捉图像重要边缘信
息的特征。支持向量机是结构风险最小化的,具有很高泛化性能的学习算法。
实验结果表明,独立分量分析和支持向量机克服了单一融合准则所带来的缺
陷。该方法简单、有效,融合后的效果较好。
最后,提出基于 Contourlet 变换和支持向量聚类的遥感图像融合算法。
支持向量聚类是一种无监督的机器学习。聚类算法不需要训练样本集,所以
基于聚类的融合规则对源图像的依赖性更小。实验结果表明,基于支持向量
聚类算法所获得的融合效果是可控的,对像素清晰程度的判别更准确。
关键词:图像融合,图像配准,互信息,Contourlet 变换,区域特征,支持
向量机,独立分量分析,支持向量聚类
i
基于 Contourlet 变换的遥感图像融合方法研究
Abstract
Image fusion is an indispensable technique for image analysis puter
vision. Multi-remote sensor image fusion has attracted many attentions in remote
sensing image processing area. It investigates how to integrate image information
from different remote sensors, and generate new data which contains more
information. Remote sensor image fusion is used in a wide range of military and
civil applications.
First of all, an approach for remote sensing image registration based on
Contourlet transform and mutual information is proposed. Contourlet, as a new
multi-scale analysis algorithm, is more appropriate for the analysis of the image
edges such as curve and line characteristics than wavelet. Mutual information is a
suited judgement rule parability and needn’t to process images. This
algorithm is fractionized gradually, maked the search process from coarse to fine,
decreased the search space, and improved the registration accuracy.
Secondly, an image fusion method based on Contourlet transform and
regional features is proposed. When Contourlet transform is introduced to image
fusion, the charac