基于各向异性双树复紧框架变换的多源遥感图像融合算法研究

This project research multi-source remote sensing image fusion algorithm based on anisotropic dual tree complex tight frame transform. It can be divided into two parts: Theory and application. On the theoretical part, we study anisotropic dual tree complex tight frame transform, including the general construct theory of separable and nonseparable anisotropic dual treecomplex tight frame. Then, research on its transform performance and the theoretical analysis of regularity, translation invariance, approximation order,vanishing moment and redundancy. On the application part, we study multi-source remote sensing image fusion Strategy based on anisotropic dual tree complex tight frame transform. Firstly, construct basis function of dual tree complex tight frame transform according to thegeometric characteristic of remote sensing image to achieve remote sensing image sparse representation. Secondly, establish hidden Markov model and random walk model on the basis of statistical properties of transform coefficients. Finally, propose the multi-source remote sensing image fusion strategy. Through systematically study of the project, we can get fusion algorithm outperforms the other state-of-the-art methods.

本项目研究基于各向异性双树复紧框架变换的多源遥感图像融合算法，分为理论与应用两部分。理论部分研究各向异性双树复紧框架变换，提出可分离和不可分离的各向异性双树复紧框架的一般构造理论，进一步研究其变换性能，给出正则性，平移不变性，逼近阶，消失矩，冗余性、稀疏性的理论分析。应用部分研究基于各向异性双树复紧框架变换的多源遥感图像融合策略，主要包括根据遥感图像的几何特征，构造各向异性双树复紧框架变换基函数，实现遥感图像的稀疏表示。利用变换系数的统计特征，建立隐马尔夫统计模型，进一步建立变换系数随机游走的数学模型，在此基础上提出多源遥感图像的融合策略。通过本项目的系统研究，可以获得优于目前技术的多源遥感图像融合算法。

复紧框架变换是应用调和分析领域研究的热点。本项目研究基于各向异性复紧框架变换的多源遥感图像融合算法，分为理论与应用两部分。理论部分研究各向异性对偶复紧框架变换，应用部分研究基于各向异性复紧框架变换的多源遥感图像融合策略。. 本项目提出对偶复紧框架构造定理以及算法、两尺度两小波对偶复紧小波框架提升变换理论，多尺度多小波对偶复紧提升变换理论，从而实现了各向同性和异性对偶复紧框架变换，在此基础上进一步研究其变换性能。本项目的理论研究，为进一步研究遥感图像融合奠定理论基础。. 本项目提出基于各向异性复紧框架变换的高分辨率遥感图像融合算法。解决了三个核心问题：一是根据各向异性复紧框架变换后的低频与高频子带系数的分布和相关特性，建立统计模型：基于各向异性复紧框架域的隐马尔科夫模型、局部背景隐马尔可夫模型以及子带间局部隐马尔科夫模型；二是在变换系数分布统计模型的基础上，建立变换系数的图表示，构造权重函数和协调函数，给出基于随机游走的变换系数融合模型；三是提出基于各向异性复紧框架变换的多源遥感图像(全色图像与多光谱图像，SAR 与可见光图像，SAR 与多光谱图像，不同波段的SAR)的融合算法。在此基础上提出了基于卷积神经网络的双输出、分阶段跨分辨率联合训练全色锐化方法。本项目提出的融合算法优于目前国际一些主流算法。为多源遥感图像融合算法研究提供了新的思路。. 本项目理论研究的实际意义是有效提取遥感图像的多方向特征信息，实现稀疏表示。根据遥感图像的几何特征和方向特征构造各向异性双树复紧框架的滤波器, 有效地表示图像的边缘轮廓和纹理信息。因此本项目的理论研究成果可以应用到：多源遥感图像融合、图像目标识别与特征提取、图像分割等领域。