基于非下采樣contourlet變換的遙感圖像融合算法研究

《基于非下采樣contourlet變換的遙感圖像融合算法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、？？－．？？■？－、？．？＇密級：ｉ－－保密期限：告Ａ乂爹碩±學(xué)位論文—，，ｊ■ｊＩ■■！■■＇■ｆＡ＾Ｉ基于非下采梓Ｃｏｎｔｏｕｒｌｅｌ：變換的遙感圖像融合算法硏究？ｆＲｅｓｅａｒｃｈ０凸民ｅｍｏｔｅＳｅｎｓｉｎＩｍａｅＦｕｓｉｏｎＡｌｏｒｉ化ｍｇｇｇＢａｓｅｄｏｎＮｏｎｓｕｂｓａｍｐｌｅｄＣｏｎｈｕｒｌｅｔＴｒａｎｓｆｔ）ｒｍ？．ｔ＊■■Ｍ？

2、－學(xué)號Ｚ１２２０１０３２．姓名付奎學(xué)位類別工學(xué)碩±Ｉ模式識別與智能系統(tǒng)吉，指導(dǎo)教師張德祥完成時(shí)間２０１５年３月答辯委員會３７＾主席簽名．ｋ獨(dú)創(chuàng)性聲巧本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加Ｗ標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得安徽大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料一。與我同工作的同志對本研究所做的任何賈獻(xiàn)均

3、已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名?。牐边叄壓炞秩掌冢海?。吃年Ｓ月＾０日學(xué)位論文版權(quán)使巧授權(quán)書本學(xué)位論文作者完全了解安徽大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和溢盤，允許論文被查閱和借閱。本人授權(quán)安徵大學(xué)可レ乂將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可｜＾乂采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。（保密的學(xué)位論文在解密后適用本授權(quán)書）學(xué)位論文作者簽名：導(dǎo)師簽雀；浪悚蛛簽字日

4、期〇礦年ｒ月。日簽字日期；年Ｉ月口日：義３戶／＾摘要小波變換在一的反映零維奇異維數(shù)據(jù)處理方向比較受關(guān)注，因?yàn)槠淠芎芎命c(diǎn)，在用線和面表示圖像結(jié)構(gòu)方面，小波變換不能很好的采集到圖像的邊緣紋理特征，多尺度集合分析的出現(xiàn)很好的彌補(bǔ)了小波的不足，Ｃｏｎｔｏｕｒｌｅｔ變換不僅具。有小波變換的時(shí)頻特征，而且還含有特殊的方向特性，具有各向異性相比較?。崳姴ㄗ儞Q而言。Ｃｏｎｔｏｕｒｌｅｔ在，后者能使用變換后較少的系數(shù)表達(dá)圖像信息采集圖一像邊緣信息方面比較突出。ＮＳＣＴ變換是在ＣＴ

5、變換的理論上演化來的種有效的算法。它克服了ＣＴ變換所不具有的平移不變特點(diǎn)，它是對圖像進(jìn)行冗余分解，即變換后所得子帶圖和源圖像數(shù)據(jù)大小相等，所Ｗ說ＮＳＣＴ變換能更好的保留圖。像的邊緣和紋理等信息，最終能更加準(zhǔn)確的恢復(fù)源圖像的原貌本文主要研究了偏振圖像在ＣＴ變換中的應(yīng)用和ＳＡＲ圖像在ＮＳＣＴ變換中的應(yīng)用。前者重點(diǎn)研巧了偏振圖像經(jīng)過ＣＴ分解后對高低頻系數(shù)的處理。偏振圖像經(jīng)過ＣＴ變換后會獲得到低頻子圖系數(shù)和一系列不同方向不同尺度下的高頻子圖系數(shù)，，本文對低頻系數(shù)的處理采用平

6、均法則，對于高頻系數(shù)本文分別采用了像素值絕對值取大法、區(qū)域能量法、區(qū)域能量取大法、最大標(biāo)準(zhǔn)差法、相關(guān)系數(shù)法、改善的相關(guān)系數(shù)法、區(qū)域能量取大與改善相關(guān)系數(shù)結(jié)合法和區(qū)域能量取大與ａｋｂ對算法進(jìn)行了仿真實(shí)驗(yàn)最大水平梯度值法，通過Ｍｔ，并通過主客觀評價(jià)得出了區(qū)域能量取大與最大水平梯度值法在上述法則中是最優(yōu)的。第四章重點(diǎn)研究了ＳＡＲ圖像在ＮＳＣＴ變換下進(jìn)行融合，對于分解后的低頻子帶系數(shù)采用平均法則選擇合適的像素點(diǎn)：對于高頻子國系數(shù)，本文融合準(zhǔn)則是選擇更大區(qū)域的梯度一致性作比較

7、值與該區(qū)域的。在Ｍａｔｌ化下運(yùn)行算法，并與ＬＰ變換和ＷＴ變換進(jìn)行了對比，得出了本文的算法是最好的，并對ＳＰＯＴ圖像與ＴＭ遙感圖像融合展開了研究，本節(jié)主要討論利用非下采樣Ｃｏｎｔｏｕｒｌｅｔ變換的多尺度多方向性實(shí)現(xiàn)ＳＰＯＴ圖像與ＴＭ圖像的分解與融合處理，融合算法采用區(qū)域統(tǒng)計(jì)特性進(jìn)行融合處理。ｏｎｔｏｕｒｌｅ。關(guān)鍵詞：圖像融合，偏振圖像，ＳＡＲ圖像，Ｃｔ變換，ＮＳＣＴ變換ＩＡｂｓｔｒａｃｔＡｂｓｔｒａｃｔＳｃｈｏｌａｒｓｈａｖｅｂｅｅｎｃｏｎｃｅｒｎｅｄ

8、ａｂｏｕｔｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｓｉｎｔｈｅｄｉｒｅｃｔｉｏｎｏｆ－ｕｓｅｏｎｅｄｉｍｅｎｓｉｏｎａｌｄａｔａｂｅｃａｉｔｃａｎｒｅｆｌｅｃｔ泣ｚｅｒｏｄｉｍｅｎｓｉｏｎａｌｓｉｎｕｌａｒｏｉｎｔｓ．＾ｇｐＴｈｏｕｇｈｉｎｔｈｅｓｔｒｕｃｔｕｒｅｏｆａｎｉｍａｅｗｉ化ｌｉｎｅｓａｎｄｓｕｒｆａｃｅｓｔｈｅｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｇ，ｄｏｅｓｎＨｓｅｅｍｔｏｂｅａｇｏｏｄａｃｑｕｉｓｉｔｉｏｎｔ