QQ客服 官方微博 反馈留言

题名	多维集成系统的高光谱数据处理技术研究——光谱保持型高光谱图像融合算法研究
作者	马艳华
答辩日期	2005-05-07
文献子类	博士
授予单位	中国科学院研究生院
导师	王建宇
关键词	高光谱图像 图像融合 图像预处理 矢量滤波器 边缘检测
学位专业	物理电子学
英文摘要	通过高光谱成像仪就可以采集高光谱图像，高光谱图像同时记录了每一个目标像元在连续的很多个窄的带宽的波段上的主要光谱特征信息，它在深入挖掘物质的光谱信息上，大大提高了人类的信息获取能力。但由于光谱分辨力高，探测器接收到的能量微弱，因此空间分辨力较低（IFOR较大），以维持可接受的信噪比；同样高空间分辨率系统（IFOR很小）则必须加宽光谱通道，无法获取精细的地面光谱信息。为了获取同一区域的高光谱和精细空间特征，可以采用不同的传感器获得的高光谱遥感影像和高空间航摄影像进行数据融合的方法。为此，在国家计划支持下研制了多维集成遥感系统，可同时获取高空间分辨力数据和高光谱分辨力数据。本文以此为契机，开展了高光谱数据预处理系统、高光谱数据处理技术以及高光谱和高空间分辨力分辨力图像的融合技术的研究。 作者首先为多维集成遥感系统的高光谱成像仪配套开发了数据预处理系统，该系统包括了高光谱数据预处理的基本功能，具有模块运行和批处理运行两种模式，输出具有定义明确的分级数据产品，该系统是多维集成遥感系统的必要组成部分，对实现高光谱遥感图像应用的推广具有重要的意义。高光谱遥感图像的主要特征是图像信息的多维性，包含着几十、几百个狭窄的光谱波段的图像，因此数据处理方法也相异于常见的灰度和彩色图像。为此本文开发了两种滤波方法。一种用来消除窄条带噪声，该算法利用了相邻图像像元的相关性，被称为平均-中值滤波均匀性校正算法；第二种被称为基于邻域聚类的矢量滤波方法，该算法基于模式识别中聚类的概念，用于减小遥感图像存在的大量光谱散点对数据处理、分类的干扰，为了实现该方法，本文进一步提出了一种简化实现算法，该算法和中值矢量滤波器类似，但是却比后者有更好的边缘性能。 过去，高光谱数据处理主要是基于像元光谱分析的，因此对高光谱图像的空间信息很少关心，但是随着应用的扩展，空间信息和光谱信息的结合不可避免，因此从高光谱图像获取空间信息的技术也有实际意义，最基本的如边缘检测。本文提出了高光谱图像的边缘检测测度，方便地将用于灰度和彩色图像的边缘检测算法扩展到了高光谱图像中，取得了有效的结果。 本文对现有的图像融合算法进行了较全面的总结，简要介绍了各种类型的融合算法，并分析了现有的用于高光谱图像融合的算法的优势与不足，指出可以将高光谱与高空间图像融合方法分为空间增强型和光谱保持型两大类，并列出了光谱保持型高光谱与高空间图像融合方法的三个评价因素。根据该评价方法，目前用于高光谱图像融合的算法大多数属于空间增强型，只有决策级的高光谱与高空间图像融合算法可以达到保持完整光谱信息的效果。 决策级的高光谱图像与高空间融合算法目前研究较多的是“像元分解-锐化（亚像元定位）”的融合算法，该算法的实现方法有多种，本文介绍了该算法的一般实现方法，并基于该思想提出了一种高光谱图像融合算法流程，该算法不仅利用了图像的边缘信息，而且利用了两种图像部分波段的亮度高度相关性，克服了常用的空间增强型融合算法的缺陷，一定程度上实现了光谱信息的完整保持，同时还克服了常用融合需要分辨力重构而无法避免边缘光谱模糊的缺陷，克服了亚像元分解常常落实到解非确定性方程上，造成可能的错误解的缺陷，此外提出了充分利用了高空间图像的亮度信息降低对融合图像配准精度要求的方法等。 该融合算法仍很粗糙，需要进一步改进的地方也很多，作者认为在主要下述几方面有待进一步的改进或深入研究：（1） 采用更有效的像元分解算法；（2） 优化边缘检测算法
学科主题	红外系统与元部件
公开日期	2012-07-11
内容类型	学位论文
源URL	[http://202.127.1.142/handle/181331/4234]
专题	上海技术物理研究所_上海技物所
推荐引用方式 GB/T 7714	马艳华. 多维集成系统的高光谱数据处理技术研究——光谱保持型高光谱图像融合算法研究[D]. 中国科学院研究生院. 2005.

个性服务

查看访问统计

相关权益政策

暂无数据

收藏/分享

除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。