基于非下采样contourlet变换的遥感图像融合算法研究

《基于非下采样contourlet变换的遥感图像融合算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、？？－．？？■？－、？．？＇密级：ｉ－－保密期限：告Ａ乂爹硕±学位论文—，，ｊ■ｊＩ■■！■■＇■ｆＡ＾Ｉ基于非下采梓Ｃｏｎｔｏｕｒｌｅｌ：变换的遥感图像融合算法硏究？ｆＲｅｓｅａｒｃｈ０凸民ｅｍｏｔｅＳｅｎｓｉｎＩｍａｅＦｕｓｉｏｎＡｌｏｒｉ化ｍｇｇｇＢａｓｅｄｏｎＮｏｎｓｕｂｓａｍｐｌｅｄＣｏｎｈｕｒｌｅｔＴｒａｎｓｆｔ）ｒｍ？．ｔ＊■■Ｍ？

2、－学号Ｚ１２２０１０３２．姓名付奎学位类别工学硕±Ｉ模式识别与智能系统吉，指导教师张德祥完成时间２０１５年３月答辩委员会３７＾主席签名．ｋ独创性声巧本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得安徽大学或其他教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贾献均

3、已在论文中作了明确的说明并表示谢意。学位论文作者签名！１邊签字日期：２。吃年Ｓ月＾０日学位论文版权使巧授权书本学位论文作者完全了解安徽大学有关保留、使用学位论文的规定，有权保留并向国家有关部口或机构送交论文的复印件和溢盘，允许论文被查阅和借阅。本人授权安徵大学可レ乂将学位论文的全部或部分内容编入有关数据库进行检索，可｜＾乂采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书）学位论文作者签名：导师签雀；浪悚蛛签字日

4、期〇矿年ｒ月。日签字日期；年Ｉ月口日：义３户／＾摘要小波变换在一的反映零维奇异维数据处理方向比较受关注，因为其能很好点，在用线和面表示图像结构方面，小波变换不能很好的采集到图像的边缘纹理特征，多尺度集合分析的出现很好的弥补了小波的不足，Ｃｏｎｔｏｕｒｌｅｔ变换不仅具。有小波变换的时频特征，而且还含有特殊的方向特性，具有各向异性相比较小波变换而言。Ｃｏｎｔｏｕｒｌｅｔ在，后者能使用变换后较少的系数表达图像信息采集图一像边缘信息方面比较突出。ＮＳＣＴ变换是在ＣＴ

5、变换的理论上演化来的种有效的算法。它克服了ＣＴ变换所不具有的平移不变特点，它是对图像进行冗余分解，即变换后所得子带图和源图像数据大小相等，所Ｗ说ＮＳＣＴ变换能更好的保留图。像的边缘和纹理等信息，最终能更加准确的恢复源图像的原貌本文主要研究了偏振图像在ＣＴ变换中的应用和ＳＡＲ图像在ＮＳＣＴ变换中的应用。前者重点研巧了偏振图像经过ＣＴ分解后对高低频系数的处理。偏振图像经过ＣＴ变换后会获得到低频子图系数和一系列不同方向不同尺度下的高频子图系数，，本文对低频系数的处理采用平

6、均法则，对于高频系数本文分别采用了像素值绝对值取大法、区域能量法、区域能量取大法、最大标准差法、相关系数法、改善的相关系数法、区域能量取大与改善相关系数结合法和区域能量取大与ａｋｂ对算法进行了仿真实验最大水平梯度值法，通过Ｍｔ，并通过主客观评价得出了区域能量取大与最大水平梯度值法在上述法则中是最优的。第四章重点研究了ＳＡＲ图像在ＮＳＣＴ变换下进行融合，对于分解后的低频子带系数采用平均法则选择合适的像素点：对于高频子国系数，本文融合准则是选择更大区域的梯度一致性作比较

7、值与该区域的。在Ｍａｔｌ化下运行算法，并与ＬＰ变换和ＷＴ变换进行了对比，得出了本文的算法是最好的，并对ＳＰＯＴ图像与ＴＭ遥感图像融合展开了研究，本节主要讨论利用非下采样Ｃｏｎｔｏｕｒｌｅｔ变换的多尺度多方向性实现ＳＰＯＴ图像与ＴＭ图像的分解与融合处理，融合算法采用区域统计特性进行融合处理。ｏｎｔｏｕｒｌｅ。关键词：图像融合，偏振图像，ＳＡＲ图像，Ｃｔ变换，ＮＳＣＴ变换ＩＡｂｓｔｒａｃｔＡｂｓｔｒａｃｔＳｃｈｏｌａｒｓｈａｖｅｂｅｅｎｃｏｎｃｅｒｎｅｄ

8、ａｂｏｕｔｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｓｉｎｔｈｅｄｉｒｅｃｔｉｏｎｏｆ－ｕｓｅｏｎｅｄｉｍｅｎｓｉｏｎａｌｄａｔａｂｅｃａｉｔｃａｎｒｅｆｌｅｃｔ泣ｚｅｒｏｄｉｍｅｎｓｉｏｎａｌｓｉｎｕｌａｒｏｉｎｔｓ．＾ｇｐＴｈｏｕｇｈｉｎｔｈｅｓｔｒｕｃｔｕｒｅｏｆａｎｉｍａｅｗｉ化ｌｉｎｅｓａｎｄｓｕｒｆａｃｅｓｔｈｅｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｇ，ｄｏｅｓｎＨｓｅｅｍｔｏｂｅａｇｏｏｄａｃｑｕｉｓｉｔｉｏｎｔ