论文部分内容阅读
随着传感器技术、遥感技术等的迅猛发展，多平台、多时相、多传感器、多光谱和多分辨率的遥感影像构成了同一地区的多源遥感信息。融合技术可以把不同传感器对同一目标成像的多景影像融合成新的图像，新图像中的信息较原始多信息源的信息更丰富。因此，多源遥感影像融合是遥感图像处理的重要技术方法。 光学影像与合成孔径雷达(SAR)成像机理不同:光学全色影像通常具有较高的空间分辨率，可以反映地物的轮廓信息，且边缘清晰;多光谱影像则可以更精细地描述地物目标的光谱信息;SAR传感器是一种主动传感器，可以全天时全天候获取影像，且SAR传感器能够探测诸如地形地貌、表面粗糙度等特征的几何形状和结构。将SAR与光学影像融合，可以充分利用其互补性，减少图像的不确定性，为后续的目标识别、地物分类提供更多有价值的信息。本论文基于二维经验模态分解（二维EMD）开展了针对高分辨率SAR与光学影像融合方法的研究，论文的主要工作如下: (1)回顾了图像融合技术的研究背景，综述了SAR与光学影像融合方法，并详细介绍了经典的基于多尺度分解的融合方法。通过分析总结现有的SAR与光学影像融合方法，为本文后续章节的研究工作奠定基础。 (2)基于二维EMD提出了一种高分辨率SAR与多光谱影像、SAR与全色影像的融合方法。鉴于二维EMD具有完全自适应性以及在处理非线性、非平稳信号方面的优势，将其应用于SAR与光学影像融合，并且设计了一种基于区域特征的自适应融合规则。该融合规则不但克服了基于像素融合规则的片面性，并且可以根据窗口内地物特征进行自适应地融合。实验结果表明:利用文中融合方法得到的融合图像充分综合了SAR与光学影像的互补信息，融合效果优于小波变换等融合方法。 (3)随着桂林城市化进程的加快，漓江流域出现了一系列的环境问题。以漓江流域地物分类与竹林提取为实际应用背景，分析了常用的SAR与光学影像融合方法和文中融合方法在该领域的应用潜力。为提高分类精度，文中利用灰度共生矩阵(GLCM)纹理分析辅助图像灰度值进行分类。同时为了克服GLCM对计算窗口尺寸的依赖，文中利用半变异函数对GLCM进行优化，使所提取纹理更能反映地物特征。混淆矩阵和Kappa系数的定量分析结果表明:文中融合方法在地物分类应用潜力更高，且在竹林提取方面的应用更有效。