基于稀疏表示的遥感图像融合理论与方法研究.pdf

摘要
摘要
遥感图像融合是整合源图像中的互补信息，去除相互间的冗余信息，从而获
得一幅可信度高、目标更清晰的融合图像，以便于人眼视觉判读和后续的计算机
处理。
本文以稀疏表示理论为基础，对遥感图像融合做了探索性的研究。本文主要
工作如下：
1. 将稀疏表示理论引入遥感图像融合，采用训练字典对图像进行稀疏表示。
训练字典具有更好的自适应性和灵活性，能很好地对具有复杂特征的遥感图像进
行表示；本文利用 SFIM 模型能将高分辨率图像的细节信息有效注入到低分辨率图
像中这一优势，对 IHS 变换后的 I 分量和全***像进行 SFIM 运算；本文采用空间
频率取大的融合规则对稀疏系数进行融合，该规则充分利用了图像间的局部特征，
能有效地提高空间分辨率。通过多组实验分析表明，该算法能在提高空间分辨率
的同时更好的保持光谱特性。
2. 针对基于训练字典的遥感图像融合算法的光谱信息保留不够，利用小波变
换具有光谱保持特性的优势，将小波变换与稀疏表示相结合并用于遥感图像的融
合过程中。分析小波变换后的高低频数据，对具有不同数据特性的高频和低频数
据分别进行融合。由于低频数据是原始图像的逼近数据，系数大部分不等于 0，不
可以看做是“稀疏的”。因此，用训练字典对低频数据进行稀疏表示；高频数据是
对原始图像显著信息的反映，其大部分系数接近于或等于零，可以看做是“稀疏
的”，可以直接对其进行融合。本文采用基于图像信息的融合规则对高频数据进行
融合，该规则能同时考虑系数本身以及其领域内系数的相关性，能保留高频系数
中含有的边缘和细节等信息。通过多组实验分析，该算法在增强了空间分辨率的
同时最大限度的保留了光谱特征。
关键词：图像融合，稀疏表示，训练字典，小波变换
I
ABSTRACT
ABSTRACT
In order to obtain a high reliability, a clearer fused image, take the fusion
technology to integrate the complementary information and remove the redundant
information. The fused imagery promotes the ability of human to describe the image. It
is also more conducive to the follow-up computer processing.
This paper takes sparse representation theory as basis to exploratory study of
remote sensing image fusion. The main contents of this paper include:
1. This paper applies sparse representation theory on remote sensing image fusion,
and uses training dictionary to express images. The training dictionary has better
adaptability and flexibility, and also can well represented the remote sensing images
which have the complex features. The SFIM algorithm can reasonable inject the spatial
details of high-resolution image into low-resolution image. This paper takes the SFIM
algorithm on the intensity component and panchromatic image. This paper chooses the
spatial frequency maximum as the fusio