论文部分内容阅读
图像融合是通过综合多源图像的冗余和互补信息,得到探测目标相对精确可靠的解译和相对完整一致的信息描述的过程。本文基于梯度场进行像素级的图像融合算法的研究,并解决三个方面的问题。
(1)重点提高了遥感图像处理中对高空间分辨率和空间分辨率较低的多光谱图像融合的效果。对于光学遥感,光谱分辨率与空间分辨率是相对矛盾的两个因素,常希望通过这种融合模拟出高空间分辨率的多光谱图像。对此,本文提出了Poisson融合和最优融合两种方法。Poisson融合是以多光谱图像的取样点作为边界条件约束,通过最小化目标合成图像与高分辨率图像的梯度差异得到,其结果是以Dirichlet为边界条件的Poisson方程的解。最优融合是最小化目标合成图像与高分辨率图像间的梯度差异以及与多光谱图像的色彩差异,其结果通过迭代求解线性方程组得到。两种方法都可以用于任意多个波段的融合中,其融合效果出色,特别是最优融合,不仅优于传统方法,甚至优于小波变换。
(2)在上述研究的基础上,基于梯度场进行了多聚焦图像融合。其基本思想是通过分析源多聚焦图像的梯度场,重新构建目标梯度场;再以此梯度场为目标,以平均图像或者某多聚焦图像为色调约束进行最优融合。通过实验比较,本文提出的融合方法比小波融合在承受未对准、减少瑕疵及恢复性能上都要好。
(3)基于梯度场进行图像镶嵌去云,提出对多时间序列的图像,运用Poisson融合进行云区填补的去云框架。在这一框架中,使用两两去云的策略,用替补图像和底图进行去云时,采用金字塔结构加快速度。实验证明,用这种框架进行云剔除处理效果比通常的反演替代云区的效果优越。