论文部分内容阅读
高分辨率的多光谱图像应用广泛,比如变化监测、目标识别、场景解译。通常,商用光学卫星能够同时提供高空间分辨率的全色图像和低分辨率的多光谱图像。物理条件的限制使得单一传感器无法获得高质量的多光谱图像。于是,利用全色图像的细节来提高多光谱图像的空间分辨率这一思路受到了广大学者的关注。全色和多光谱图像融合的目标在于同时提高空间分辨率和减小光谱失真。实际上,由于全色图像的加入,融合图像的空间分辨率可以得到显著提高,但是,光谱畸变也会随之产生。 稀疏表示理论,作为一种新的信号表示方法,已经应用在许多图像处理领域。采用过完备字典的稀疏表示能够使分解系数更稀疏,更能反映信号的本质特征和内在结构。针对全色和多光谱图像融合这一难题,本文提出了基于稀疏表示的融合方法。本论文的具体研究工作和创新点包括: 1)基于信号本身的稀疏性,提出了一种基于稀疏表示的融合方法,通过逐波段的对多光谱图像进行融合,得到了高质量的融合结果。实验结果表明,本方法在提高空间细节的同时,也很好的控制了光谱畸变。 2)研究了一种基于小波变换和联合稀疏表示的融合方法,该方法利用小波变换有效了提取出了全色图像的高频信息,同时,联合稀疏表示模型的应用也最大可能的利用了全色和多光谱图像之间的冗余和互补性。实验结果表明,本方法同时在空间分辨率和光谱失真这两个角度,得到了令人满意的融合结果。 3)针对任意波段的多光谱图像融合问题,提出了一种基于超空间变换和联合稀疏表示的融合方法,在得到理想多光谱图像的同时,有效的解决计算复杂度难题。有参评价和无参评价指标表明,本算法跟当今流行算法相比,有一定的优势。 总之,本论文基于稀疏表示,探索了全色图像和多光谱图像的融合这一难题,为获得高质量的多光谱图像提高了一种新的思路。