【摘要】：遙感圖像融合技術(shù)旨在將含有互補信息的多源圖像進行結(jié)合,從而得到內(nèi)容更豐富、光譜質(zhì)量更高的單幅圖像,這有利于提高目標(biāo)分類和地物識別的精度,因此具有非常重要的現(xiàn)實意義和應(yīng)用價值。目前國內(nèi)外研究者針對多光譜圖像融合問題從多個角度設(shè)計了多種算法模型,并取得了不錯的效果,但這些方法也存在著重模型輕優(yōu)化、適用范圍不明確等問題�；诖�,本文設(shè)計了三種遙感圖像融合模型,并采用了四種優(yōu)化方法對其優(yōu)化,以試圖為不同實際應(yīng)用問題設(shè)計針對性算法。具體工作如下:(1)本文首先提出了一種基于ADMM優(yōu)化的變分pan-sharpening方法(PADMM)。該方法將光譜一致性、空間信息保持、圖像低秩性三個假設(shè)合并到一個能量框架中,設(shè)計了一種新的融合模型,然后采用非智能優(yōu)化算法ADMM對其進行快速求解。實驗表明該方法不僅可以提高融合圖像的質(zhì)量,而且效率高,適合為災(zāi)后緊急救援等時效性工作提供可靠的數(shù)據(jù)服務(wù)。(2)針對PADMM方法存在著參數(shù)需人工設(shè)置等問題,本文將IHS空間變換與導(dǎo)向濾波和粒子群等算法相結(jié)合,提出了IHS演化方法(EIHS)和全色自適應(yīng)方法(PAIHS)。EIHS方法通過設(shè)計簡潔的染色體、合理的適應(yīng)度函數(shù),將問題統(tǒng)計特性作為啟發(fā)式信息加入到進化算子的設(shè)計中,并采用組合差分進化算法(Co DE)對其進行優(yōu)化,實驗表明EIHS能獲得較為理想的融合效果。PAIHS方法在EIHS的基礎(chǔ)上,利用導(dǎo)向濾波技術(shù)對圖像的邊緣和紋理等信息進行邊緣保持和增強處理,然后采用計算效率更高的粒子群算法(PSO)進行優(yōu)化。實驗結(jié)果表明PAIHS方法獲得的融合圖像質(zhì)量比EIHS方法更好。(3)前述三種方法(PADMM、EIHS、PAIHS)都獲得了不錯的融合質(zhì)量,但都基于單一模型優(yōu)化來獲得融合圖像,并沒有考慮多個模型相結(jié)合的優(yōu)勢�；诖�,本文最后提出了一種基于多目標(biāo)優(yōu)化的pan-sharpening方法(MIHS)。在MIHS方法中,首先提出了兩個優(yōu)勢互補的融合模型,然后采用改進的NSGAII算法對其進行優(yōu)化。實驗結(jié)果表明MIHS比EIHS、PAIHS和其它主流融合方法具有更為可觀的融合質(zhì)量,但它的平均運行時間也是這些方法中最長的。因此,MIHS方法不適合為災(zāi)后緊急救援等時效性要求高的工作提供數(shù)據(jù)服務(wù),但適合為要求計算智能化的災(zāi)后分析、災(zāi)后評估和災(zāi)后重建等非時效性工作提供更為精準(zhǔn)、更為可靠的數(shù)據(jù)服務(wù)。本文研究內(nèi)容可為遙感圖像融合提供新的模型和技術(shù)支持,為災(zāi)后緊急救援、災(zāi)情分析和災(zāi)后重建等工作提供新的理論和數(shù)據(jù)支撐,同時也為遙感圖像融合技術(shù)在地質(zhì)災(zāi)害中的應(yīng)用打下基礎(chǔ)。
【學(xué)位授予單位】：華東師范大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2019
【分類號】：TP751
【圖文】：

玉樹地震前后對比圖

華東師范大學(xué)博士學(xué)位論文 第一章2圖1-2 玉樹地震前后對比圖由此可見，遙感技術(shù)可以作為及時獲取災(zāi)情信息和實時監(jiān)測的一個重要手段。將災(zāi)前和災(zāi)后的多幅遙感圖像進行對比分析（如圖1-1和1-2），可以準(zhǔn)確地獲取受災(zāi)區(qū)域及受災(zāi)程度，有助于開展及時救援和災(zāi)后重建等工作。但由于監(jiān)測衛(wèi)星獲得的是單幅遙感圖像，其空間質(zhì)量和光譜質(zhì)量往往不佳，不足以準(zhǔn)確地識別災(zāi)前、災(zāi)后的變化。因此，我們利用圖像融合技術(shù)來提高災(zāi)后遙感圖像的質(zhì)量，以便能進行準(zhǔn)確識別和判斷。本文研究的Pan-sharpening方法是遙感圖像融合的一個重要分支，其本質(zhì)是將低空間信息高光譜質(zhì)量的多光譜圖像（MS）和高空間質(zhì)量低光譜信息的全色圖像（PAN）進行融合，從而獲得高空間分辨率高光譜分辨率的多光譜圖像，其原理如圖1-3。高光譜低空間分辨率多光譜圖像 高?

直到求得極小值，如圖2-1 所示。智能優(yōu)化方法的策略是充分利用自然界中優(yōu)勝劣汰、適者生存等生存法則，將搜索空間中的候選解通過二進制編碼為染色體的形式，該染色體由多個0、1 代碼組成，稱之為基因，再使用適應(yīng)度函數(shù)來評估染色體的好壞。然后，通過選擇、變異及交叉等算子不斷迭代來產(chǎn)生下一代比較優(yōu)良的解，直到最終獲得最優(yōu)解。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 丁宏毅;周致迎;李開端;;基于相關(guān)性的遙感圖像融合方法研究[J];中國設(shè)備工程;2017年04期

2 丁宏毅;周致迎;李開端;;基于相關(guān)性的遙感圖像融合方法研究[J];中國設(shè)備工程;2017年01期

3 徐建英;;基于小波變換的遙感圖像融合技術(shù)研究[J];長江工程職業(yè)技術(shù)學(xué)院學(xué)報;2017年01期

4 孫洪泉;竇聞;易文斌;;遙感圖像融合的研究現(xiàn)狀、困境及發(fā)展趨勢探討[J];遙感信息;2011年01期

5 付和;;遙感圖像融合的應(yīng)用研究[J];科技創(chuàng)新導(dǎo)報;2011年09期

6 陳超;江濤;劉祥磊;;基于纓帽變換的遙感圖像融合方法研究[J];測繪科學(xué);2009年03期

7 柴勇;何友;曲長文;;遙感圖像融合最新進展及展望[J];艦船電子工程;2009年08期

8 王艷;陳波;;遙感圖像融合技術(shù)及其在土地資源動態(tài)監(jiān)測中的應(yīng)用[J];影像技術(shù);2005年Z2期

9 鄧力維;;遙感圖像融合發(fā)展現(xiàn)狀與展望[J];西部皮革;2019年24期

10 趙澤星;王顯珉;;遙感圖像融合效果定向控制[J];計算機應(yīng)用;2017年S1期

相關(guān)會議論文 前10條

1 石愛業(yè);徐立中;黃風(fēng)辰;;一種改進的基于小波變換的遙感圖像融合方法[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

2 李建云;李瑋;;小波變換在衛(wèi)星遙感圖像融合中的應(yīng)用進展[A];中國氣象學(xué)會2006年年會“災(zāi)害性天氣系統(tǒng)的活動及其預(yù)報技術(shù)”分會場論文集[C];2006年

3 梁波;吳連喜;陳竹安;段彩蓮;蘇小霞;;光譜銳化的遙感圖像融合方法[A];第三屆全國數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會論文摘要集[C];2004年

4 馬丹;鄭鍇;涂振前;;遙感圖像融合綜述[A];2007年福建省土地學(xué)會年會征文集[C];2007年

5 葛雯;高立群;;基于非分離小波變換及形態(tài)學(xué)的遙感圖像融合算法[A];2007'儀表，自動化及先進集成技術(shù)大會論文集（一）[C];2007年

6 曲家慧;李云松;董文倩;鄭毓軒;謝衛(wèi)瑩;;基于邊緣保持濾波和結(jié)構(gòu)張量的遙感圖像融合[A];2018軟件定義衛(wèi)星高峰論壇會議摘要集[C];2018年

7 張永梅;馬禮;白文樂;;基于多傳感器遙感圖像融合的目標(biāo)識別[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

8 雷宏宇;鐘廣軍;;基于Curvelet變換的快速遙感圖像融合[A];第四屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議論文集[C];2008年

9 趙鵬濤;劉剛;胡岑;王明昊;彭接力;;基于Laplace-PCA的遙感圖像融合算法[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

10 齊同軍;曹曉航;常鵬飛;晏陽;向哲;;基于IHS-NSCT變換的并行遙感圖像融合算法[A];衛(wèi)星導(dǎo)航系統(tǒng)應(yīng)用與繁榮2011[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 陳應(yīng)霞;遙感圖像融合模型及優(yōu)化方法研究[D];華東師范大學(xué);2019年

2 郭立萍;基于支持向量機遙感圖像融合分類方法研究[D];中國地質(zhì)大學(xué)（北京）;2010年

3 劉帆;基于小波核濾波器和稀疏表示的遙感圖像融合[D];西安電子科技大學(xué);2014年

4 王金玲;基于多分辨率分析的遙感圖像融合算法研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機械與物理研究所）;2011年

5 陳志剛;基于Contourlet遙感圖像融合與壓縮技術(shù)研究[D];長春理工大學(xué);2009年

6 方發(fā)明;基于變分法的遙感圖像融合方法研究[D];華東師范大學(xué);2013年

7 田養(yǎng)軍;基于提升小波分解曲波變換的多源遙感圖像融合方法研究[D];長安大學(xué);2009年

8 徐彤陽;基于抗混疊Contourlet變換的遙感圖像融合研究[D];上海大學(xué);2011年

9 姚為;像素級和特征級遙感圖像融合方法研究與應(yīng)用[D];大連理工大學(xué);2011年

10 胡建文;基于多尺度濾波和稀疏表示的圖像融合方法研究[D];湖南大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 霍英海;基于壓縮感知的遙感影像融合技術(shù)研究[D];重慶郵電大學(xué);2019年

2 胡秋均;基于變分法的遙感圖像融合方法研究[D];重慶郵電大學(xué);2019年

3 李柯鋒;基于變分法的遙感圖像融合并行算法實現(xiàn)[D];哈爾濱工業(yè)大學(xué);2019年

4 程林;基于自適應(yīng)空間多尺度深度網(wǎng)絡(luò)的遙感圖像融合分類與檢測[D];西安電子科技大學(xué);2019年

5 王翔;遙感圖像融合質(zhì)量提升算法研究[D];南華大學(xué);2019年

6 胡鑫;基于變分法的自適應(yīng)遙感圖像融合方法研究[D];重慶郵電大學(xué);2018年

7 馬馮;基于NSCT變換的遙感圖像融合算法研究[D];長安大學(xué);2019年

8 章自堯;遙感圖像融合高性能算法的研究[D];電子科技大學(xué);2019年

9 宋璐;基于多尺度變換的遙感圖像融合[D];吉林大學(xué);2019年

10 費奕繁;基于顯著性檢測和邊緣決策的多尺度遙感圖像融合算法[D];吉林大學(xué);2019年

本文編號：2785079