多光谱高分辨率遥感影像融合算法设计开题报告
2022-01-14 20:16:49
全文总字数：3041字
1. 研究目的与意义及国内外研究现状
| 近年来遥感技术发展迅猛甚至达到了日新月异的地步,因为其在科研与生活中的应用，也越发受到大众的重视[1]。影像融合技术是遥感技术发展的一大突破，它可以对已经获取的遥感影像进行更高水平的特征提取、分类、目标识别[2]。多光谱遥感影像的融合主要的是要利用不同多光谱影像特点获得多光谱影像的详细光谱信息。 随着遥感影像的深层次应用，人们对实现各种多光谱影像的融合要求日渐加强，对融合过程中出现的如何降低信息不确定性和在具体应用中实现目标最大相关性[3]也都在寻找更优越的改善方法。 选题致力于此也是为了研究在影像融合中如何更好的减少需要信息缺失以及冗余信息沉积，以便获得更好的多光谱遥感影像融合效果，获得新的更优越的多光谱遥感影像,也可以对大学四年学到的知识进行实际的应用和操作达到知行合一。 |
国内外研究现状
融合这一技术在二十世纪七八十年代一开始只针对于数据这个对象，到了八十年代末期，图像融合才逐渐进入人们的视线中，接着又被广泛应用于遥感图像的分析与处理中，九十年代以后成为研究的热点方向。
影像融合是提高遥感影像特征提取、分类、目标识别能力的重要手段[4],一般可以分为三个层次[5]：像素级图像融合、特征级图像融合、决策级图像融合。现如今，由于科技水平的不断提高，由于此技术不断被应用于城市规划、灾害监测及植被覆盖等等各种领域，因此国内外多种遥感影像融合技术发展突飞猛进。
在高分辨率多光谱影像融合方法的发展过程中，受限于早期时间的科技水平和工具使用，因此当时出现的传统的多光谱影像融合方法比如比率法（brovey方法[6]）和成分替换法（HIS方法[7]、PCA方法[8]等）均在融合效果上有较大差异，空间纹理信息和光谱信息在融合过程中的损失引起了广泛的热议。后来随着多尺度分析工具的出现，出现了多尺度图像融合（小波变换[9]， NSCT [10] 等变换的多尺度图像融合方法），最近有基于变分方程能量函数最优解的图像融合和基于稀疏表示的图像融合以及两类方法的结合（如HIS和多尺度分析的结合）的融合方法，都使得融合效果在一定程度上得到了改善，在实际应用过程中也是获得了更大的赞誉和方便。最近张静[11]等人提出了结合多元经验模态分解和加权最小二乘滤波器的遥感图像融合方法，通过提高多光谱图像中高频信息与低频信息区分度的途径保持了良好的空间细节和光谱信息。
2. 研究的基本内容
为了更好的实现遥感影像融合，首先对影像进行预处理。
在对影像进行预处理时，虽然通过采用现有的矩阵算子构成3*3窗口的sobel算子的检测方法[12]有效降低了影像中边缘的模糊程度，但是在实际应用过程中关键边缘还是较为模糊，所以拟打算进行多窗口实验和检测来改进如今采用的sobel算子完善图像的预处理效果。
小波变换[13]是影像融合技术中常用的一种方法，虽然使用sym4小波基能有效实现融合目的，但是还是存在着方向性差异和特征边缘部分的模糊发散的问题。
3. 实施方案、进度安排及预期效果
2019年1月10日之前，查阅相关文献，完成任务书的填写。
2019年1月10日到2月28日之间，开题阶段：在老师的指导下，查阅相关最新的文献，了解课题的相关知识，收集并整理大量资料，填写开题报告，完成开题。
2019年3月到5月，进一步深入研究已有的多光谱遥感影像融合算法，搞明白原理并进行改进，分析实验结果以及评价效果。
4. 参考文献
[1]林雪.面向林地信息的高分一号遥感影像融合与分类研究[j].北京林业大学学报,2016
[2]杨晓涵，李雨彤，王宁，葛月娥.遥感影像融合方法比较研究[j].重庆工商大学学报（自然科学版），2017, 34(2)：90～94
[3]张琪，赵娜，熊伟清. 基于离散curvelet变换与自适应能量模型的多聚焦图像融合算[j]. 光学技术, 2018（05）：622～629
