论文部分内容阅读
随着高光谱遥感卫星技术的发展,遥感影像的光谱、空间分辨率得以快速提升、甚至达到亚米级,其包含的信息量也趋于复杂、多样。其中,遥感影像融合是分析复杂遥感信息的一个重要步骤。影像融合是指卫星所获取的低空间分辨率的多光谱影像与高空间分辨率单波段的全色影像进行融合,得到同时具有高分辨率、多光谱特征融合影像的遥感技术。影像融合算法依据融合层次的不同可分为:像素级影像融合、特征级影像融合和决策级影像融合。由于像素级影像融合算法具有高精度、融合精度高的优势,本文从像素级影像融合和评价的角度出发对遥感影像融合算法进行探讨。首先,本文就像素级影像融合算法进行简要阐述,结合这类算法实验效果分析优缺点、适用范围以及像素级影像融合的本质。其次,探讨BRSVR影像融合算法在应用上的优势、不足,并进行一定的改进。由于改进算法需要合理的影像分割,本文探讨了不同分割尺度对融合效果的影响。通过对原理、结果的分析,最终选择了 SLIC图像分割算法。基于此,本文设计了一种SLIC图像分割与SVR方法结合的影像融合算法。首先通过SLIC图像分割的方式对影像进行合理的分块,之后按照SVR的影像融合方法对影像进行融合。通过与其他像素级影像融合算法的定量实验对比,借助标准差、熵、归一化均方根误差等6项指标客观定量评估,相较于其他算法均体现出本文提出的SLIC-SVR算法具备更好的融合结果。除此之外,融合算法还需要更加科学便捷的评价方法。本文在互信息量的基础上,综合遥感影像定性与定量评价的优势,构建了互信息影像直方图评价方法。该方法以灰度影像的方式直观展示影像光谱信息差异,并用以评估融合影像光谱保持程度。文章最后通过实验以及定性、定量与互信息直方图等评价方法,证明了 SLIC-SVR遥感影像融合算法在影像融合中的应用潜力。本文的主要贡献为:(1)改进了全色锐化(Pansharpening)影像融合算法,结合现有的BRSVR影像融合理论和SLIC图像分割算法,提出了 SLIC-SVR影像融合算法。结合包括GF-2、ZY-3、K3A等7种卫星以及多种复杂地物类型的影像进行融合,与小波变换、主成分分析、IHS变换等6种传统影像融合算法实验结果对比分析,并进行定性与定量的评价,实验结果表明SLIC-SVR算法在空间细节注入与光谱特征保持上均有一定优势。(2)基于信息熵与互信息量理论,结合灰度统计直方图的形式提出互信息直方图的影像质量评价标准。该方法可以同时定性、定量地对影像结果进行评价,对影像融合质量评价指标体系进行了有益补充。