遥感图像融合的Pansharpening 算法研究(2)
4.2 系统框架 19
5 总结与展望 21
5.1 论文总结 21
5.2 展望 22
致 谢 22
参考文献 24
1 绪论
1.1 课题背景及意义
在图像图形研究领域，很多情况下，需要高光谱高分辨率的图像，但是由于各种各样的原因，导致无法直接获得高光谱高分辨率的图像，只能退而求其次，通过将全色图像与多光谱图像的来获得。而全色图像光谱分辨率很低，多光谱图像空间分辨率却很低。因此催生了图像融合的发展，随着图像融合的研究的加深，各种各样的图像融合算法应运而生，融合后的图像可以更加真实的反映遥感实物的本来数据。
并且图像融合的过程能减少原来全色图像或多光谱图像所天然带有的误差数据，及时全色图像或者多光谱图像本身具有缺陷，未能如实反映图像的真实数据，但是经过融合后的图像可以使图像信息得到互补，包含了原来单一图像更加丰富的数据内容。因此，对于图像融合算法的研究必然会对遥感领域的相关内容得到巨大的帮助。甚至对于国民经济和国防建设具有重大意义。
1.2 国内外研究现状
1.3 本文研究内容与主要工作
图像数据融合的算法很多。但总的来说，目前还没有统一的数字图像融合模型和融合效果的有效评价方法。
本文关于遥感图像融合的Pansharpening 算法，主要通过各种图像融合算法的对比，来比较各种不同情况下，各种融合算法的效果对比。论文的主要内容如下：
1）HIS变换方法、主成分分析方法、Brovey算法等方法实现将多光谱的TM图像与SPOT全色图像进行融合处理，获得信息量更丰富的新图像。
2）通过观察图像处理后的效果，得出各算法图像处理中的使用情况。
3）非局部pansharpening算法的模型介绍与实验分析。
论文主要完成工作如下：
1）实现和分析高光谱融合的4种方法；
2）进行空谱信息约束的处理,实现非局部的Pansharpening算法，提高融合性能。
3）在几幅图片上进行算法效果测试，得出实验报告。
研究方案主要是将一幅高空间分辨率图像和一幅高光谱分辨率，低空间分辨率图融合成一幅高空间分辨率，高光谱分辨率图像。
1）查阅相关书籍，了解pansharpening算法的相关知识。以及图像融合的相关内容；
2）阅读pansharpening算法的源代码，熟悉该算法，并用该算法实现图像融合的操作；
3）熟悉MFC并且应用与实际当中，编写可视化程序，实现pansharpening算法的可视化软件。
1.4 论文组织结构
本文组织结构如下：
第一章 绪论。介绍了项目的选题背景、主要研究内容以及本文的组织结构。
第二章 相关技术研究。分别对图像基本类型bmp的介绍、图像融合的基本知识、以及pansharpening算法简介和研究现状。
第三章 对HIS变换方法、主成分分析方法、Brovey算法和非局部pansharpening算法的介绍，以及代码实现。
第四章 对比HIS变换方法、主成分分析方法、Brovey算法对源图像处理结构的效果比较。
2 几种经典的Pansharpening算法研究
2.1 引言
图像融合在军事、自动目标识别、医学图像处理和民事等领域有着广泛的应用前景。因此对图像融合算法的研究是具有深刻意义的，并且其成果也是可以较快的应用于实践当中。以下几种Pansharpening算法是Pansharpening图像融合算法比较经典的算法。对于图像融合领域都具有比较代表性的意义。本章从算法的角度对比了这几种算法的好坏，并且用MFC可视化编程实现了这几种算法，通过其运行的实际效果来对比这几种算法的优劣之处。
上一篇：VC爬壁机器人系统及人机工程设计
下一篇：互联网远程控制安全框架探讨与实现