資源描述：
《基于多尺度分析的遙感影像融合研究》由會(huì)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(kù)。
1、維普資訊http://www.cqvip.com維普資訊http://www.cqvip.com116測(cè)繪科學(xué)第33卷產(chǎn)生冗余信息，兇而基于小波變換的影像融合方法成基于尺度自適應(yīng)的模型、基于最小二乘擬合的模型為近年來(lái)的遙感影像處理研究的熱點(diǎn)。小波變換是正等；③對(duì)融合后得劍的小波系數(shù)進(jìn)行小波重構(gòu)變交變換，經(jīng)小波分解后，原始影像分解為低頻圖像和換，得到的圖像就是融合后的圖像。高頻圖像，低頻圖像還可以繼續(xù)分解，在分解的每一其融合過(guò)程如圖2所示：層次，圖像都被分解為個(gè)四分子一大小的圖像，如圖1所示?。“l(fā)fl
2、_。}lj__1ll_}{lI{I
3、1】j1ll{llI圖2基于小波變換的遙感影像融合流程圖圖小波分解示意圖3Curvelet變換融合其中，L表示低頻，H表示高頻，下標(biāo)1、2表3．1Curvelet變換示一級(jí)或二級(jí)分解，當(dāng)然還能繼續(xù)分解下去。在每一Curvelet(曲波)是由Candes和Donoho于1999年分解層，圖像均被分解為II，LH，HI和HH叫個(gè)頻提出多尺度變換理論，Curvelet變換是在研究小波變帶，下一層的分解僅對(duì)低頻分量L1進(jìn)行分解。換的基礎(chǔ)上發(fā)展起來(lái)的，它繼承了小波變換優(yōu)良的空
4、常用的小波變換算法是Mallat快速算法，設(shè)二維域和頻域局部特性，也可以將圖像分解成低頻的近似圖像C。(m，n)，則對(duì)于給定尺度的函數(shù)和小波函數(shù)，圖像和高頻的細(xì)節(jié)岡像，同時(shí)也克服了小波變換的不可以用下公式進(jìn)行小波分解“：足，小波變換能夠高效地對(duì)一維分段連續(xù)信號(hào)進(jìn)行分C(i√)=∑∑C(m，n)^(2m—)^(2n一)析，但對(duì)于二維圖像處理，存在如下缺陷：①小波變換只能反映信號(hào)的零維奇異性，即反映奇異(1)“點(diǎn)”的位置和特性。而在二維圖像中，物體光滑邊d(√)=∑∑C(m，n)h(2m—)g(2n一)界
5、使得圖像的不連續(xù)性往往體現(xiàn)為光滑曲線上的奇異性，而并不儀僅是點(diǎn)奇異，因此，采用二維小波對(duì)圖(2)像進(jìn)行分析時(shí)，表現(xiàn)為用“點(diǎn)”來(lái)逼近“線”，無(wú)法d(i，)=∑∑C(m，n)g(2m—)^(2n一)對(duì)圖像進(jìn)行稀疏表示；②對(duì)于二維圖像信號(hào)，常用的(3)二維小波則是一維小波的張量積，其基是“各向同性”(isotropy)的，因而也無(wú)法精確地表達(dá)圖像中邊d(i，)=∑∑C(m，n)g(2m—)g(2n一)緣的方向。這就使得小波變換在處理二維圖像時(shí)表現(xiàn)(4)出一定的局限性，采用小波變換融合后的影像在一定重構(gòu)過(guò)程則
6、是：程度上降低圖像的空間質(zhì)量，而Curvelet變換以邊緣C(m，n)=∑∑Ck(，)(2m—)h(2n—)為基本表示元素，具有完備性，能很好地適合圖像的特點(diǎn)，同時(shí)Curvelet變換是“各向異性”(anisotropy)+∑∑(i,j)h(2m—i)g(2n一)的，具有很強(qiáng)的方向性，能為圖像處理提供更多的信息、。+∑∑d(i，j)g(2m—)^(2n一)Curvelet變換也能把原始影像分解為低頻部分和高頻部分，其過(guò)程足首先對(duì)圖像進(jìn)行子帶分解，然后+∑∑d(√)g(2m—i)g(2n一)對(duì)不同尺度的
7、子帶圖像用不同大小的分塊進(jìn)行平滑分(5)割，然后再對(duì)每一小塊進(jìn)行正規(guī)化處理，最后對(duì)每個(gè)由(1)得到的子圖像反映了原圖像的平滑特塊進(jìn)行Ridgelet分析；重構(gòu)過(guò)程只需把上述步驟反過(guò)征，為低頻圖像，是原圖像的近似，由(2)、(3)、來(lái)就行，如圖3所示。Curvelet變換的核心是Cur-(4)得到的子圖像反映了原圖像的亮度突變特性，velet基支撐區(qū)間滿足width=length，這種“長(zhǎng)條形”分別稱為水平、垂直、對(duì)角細(xì)節(jié)，是圖像的高頻支撐區(qū)間實(shí)際是“方向”性的一種體現(xiàn)，因此也部分。稱這種基具有“各向異
8、性”，從而也使得Curvelet變2．2小波變換融合方法換能夠更稀疏地表示圖像的邊緣，因此Curvelet變對(duì)于遙感影像小波變換融合，一般是利用高空問(wèn)換對(duì)像幾何信息的表達(dá)優(yōu)于小波變換。分辨率的全色波段與低問(wèn)分辨卒高光譜分辨率的一多光譜波段進(jìn)行，其融合的基本步驟如下：①分別對(duì)全色波段和多光譜波段進(jìn)行小波分解，圖3Curvelet變換分解與重構(gòu)示意圖得到各分解層的小波系數(shù)；②對(duì)各分解層的小波系數(shù)進(jìn)行融合處理，融合的過(guò)中，小波系數(shù)融合模型的3．2Curvelet變換融合方法選擇非常重要，是獲取高質(zhì)量：影像的
9、天鍵之一，Curvelet變換比小波變換更加適合描述圖像的幾何信息，也更適合于進(jìn)行遙感圖像處理，遙感影像融常用的融和模型有加法模型、基于局部方差的模型、維普資訊http://www.cqvip.com第1期李同硯等基于多尺度分析的遙感影像融合研究ll7合的基本步驟為：5融合結(jié)果的分析與評(píng)價(jià)(1)分別對(duì)傘包波段和多光譜波段進(jìn)行Curvelet變換分解，得到各分解層的Curvelet系數(shù)；②對(duì)各分解對(duì)于遙感影像融合的結(jié)果，一般都是通過(guò)主觀比層的Curvele
