论文部分内容阅读
Contourlet(轮廓波)是一种多尺度分析技术，具有多方向、局部性和稀疏逼近的优势，可作为一种优越的图像二维表示方法。Contourlet应用于遥感影像融合，可以有效捕捉全色影像中图形的边缘信息，并将其注入多光谱影像当中以提高其空间清晰度。Contourlet应用于遥感影像融合已成为当前遥感影像融合的研究前沿和研究热点。
基于Contourlet的影像融合研究内容主要包括Contourlet理论和框架、Contourlet融合模型、Contourlet融合算法改进等。目前针对Contourlet分解得到的Fine、Coarse分量缺乏系统性研究，对应用Contourlet进行遥感影像融合时如何显著提高空间分辨率的同时如何保持光谱扭曲最小也较少涉及。针对以上问题，本研究对Fine和Coarse分量展开分析，将IHS、1αβ颜色空间与Contourlet结合设计融合算法，以求进一步提升融合影像的光谱性能。本文主要研究内容与相关研究结论如下：
1.基于试验分析设计Fine、Coarse分量融合模型。通过两组单变量控制线性加权融合试验，发现Fine分量与融合影像的空间信息相关性强而Coarse分量与光谱信息相关性强。在试验结论基础上，为Fine分量设计出注入式融合模型，为Coarse分量设计出优化融合模型。采用该模型的融合结果既能提升空间可辨性又能降低光谱扭曲度。
2.设计IHS-Contourlet融合算法。先改进经典的IHS融合方法，然后设计IHS-Contourlet融合技术流程。结合BJ-1全色影像与BJ-1、HJ-1的多光谱影像进行实验。融合结果的空间信息、光谱信息的定性定量评价结果表明IHS-Contourlet算法可以进一步改善Contourlet融合结果的光谱性能。
3.设计1αβ-Contourlet算法。先分析1αβ颜色空间特性，然后设计1αβ-Contourlet融合算法。结合BJ-1全色影像与BJ-1、HJ-1多光谱影像进行实验。融合结果进行空间信息、光谱信息的定性定量评价表明1αβ-Contourlet算法可以进一步改善Contourlet融合结果的光谱性能。
论文在Contourlet变换分量特性分析、融合模型设计、融合算法改进方面有所创新。采用单变量控制线性加权试验分析Contourlet分量，采用注入式、最优化模型设计Fine和Coarse分量融合模型，将IHS、1αβ颜色空间与Contourlet相结合设计融合算法。