基于小波变换的高光谱遥感图像融合研究

• 作 者: 王浩
• 出 处: 南昌航空大学
• 发表日期: 2019年08期
• 关键词: 高光谱遥感 波段选择 小波变换 融合方法 空间频率

高光谱遥感图像融合是高光谱遥感图像处理的核心技术之一,其目的是通过去除冗余、合并互补信息处理,将多波段图像融合成一幅清晰度和可识别性较高的图像,以更好应用于地图测绘、地质勘探和农业调查等领域。由于高光谱图像具有数据量大且冗余度高的特点,这使得高光谱图像的分析和处理比较复杂。在研究高光谱波段选择方法的基础上,本文提出基于波段指数和光谱角可分性的波段选择方法,首先根据波段间相关性将高光谱数据空间划分成若干子空间,再依据波段指数选出各子空间中的优质波段,最后经光谱角匹配法选出地物类间可分性最好的波段组合。实验结果表明本文方法选出的波段组合性能指标优于其他几种常用方法。使用空间域的融合方法对高光谱多波段图像进行融合,融合后图像存在清晰度不高且细节特征不明显的问题。在研究基于小波变换的图像融合方法的基础上,本文对小波变换的融合规则做了以下改进:(1)传统空间频率计算方法只考虑垂直和水平方向,不能充分地描述中心像素的周边像素信息,本文根据四个方向的梯度值来改进空间频率方法。通过采用分块方式计算低频分量图像中每个中心像素的空间频率,得到空间频率图像。由于图像中清晰的区块对应空间频率图像的像素值较大,因此采用空间频率取大的规则对低频分量进行融合。(2)区域能量较大的中心像素代表源图像的细节特征,传统区域能量取大的融合规则直接根据区域内像素值来计算中心像素的区域能量,未充分考虑邻域像素自身的区域特性。本文采用卷积加权的方式计算中心像素的区域能量,再计算对应区域的能量匹配度,最后结合匹配阈值和区域能量来计算融合后的高频小波系数。实验结果表明,与加权平均法、主成分分析法和其他融合规则的小波变换方法相比,本文方法融合图像的信息熵、平均梯度和空间频率三个客观评价指标较优。