多分辨多光谱遥感图像融合机制与定量评估研究

Remote sensing is the primary technology for human to capture the information on the earth. In the current applications of remote sensing,the main hot research topic is that how to integrate the multiple source remote sensing images to obtain more accurate,richer and more useful information. In this project, focusing on low-resolution multi-spectral image and high-resolution panchromatic image, we research a new fusion framework and a new fusion performance metric for multi-source remote sensing images, in which the spectral and spatial correlation is selected as a starting point. The research has three components in our project. First, following the study of the imaging mechanism and imaging process, the sample models are developed for low-resolution multi-spectral image and high-resolution panchromatic image. Based on these models, the spectral and spatial correlations are researched between the source remote sensing images with the studying of image characteristic. Second, a novel fusion framework is proposed, which is driven by the correlation of source images. To recover a better integrated image, we propose a image fusion algorithm with optimization of bilateral iterative loop, after exploring the inner relationship between the inverse problem of underdetermined reconstruction and the fusion problem of pan-sharpening in remote sensing. Finally, we develop a metric for image fusion performance according to the special fusion characteristic of remote sensing images and the property of human visual system. Moreover, the image fusion researches based on correlation analysis for low-resolution multi-spectral image and high-resolution panchromatic image can be expanded more generally, so as to improve the theory and applications of remote sensing image fusion. Therefore, our project and research have important values not only in theory but also in practice.

遥感技术是人类获取地球信息的主要手段。如何综合多源遥感图像数据获取更准确、更丰富和更有用的信息，是目前遥感技术应用的主要研究热点。本项目针对低分辨多光谱图像和高分辨全色图像展开研究，以图像在光谱和空间的相关性为切入点，研究多源遥感图像融合的新框架和遥感图像融合质量评价新方法。主要内容包括深入分析现有遥感成像系统的成像机理和成像过程，建立低分辨多光谱图像和高分辨全色图像成像的采样模型，以此为基础，研究图像特性，建立遥感图像间的光谱和空间相关性模型；探索欠定恢复逆问题与遥感全景锐化过程的内在联系，研究基于双边优化的迭代循环算法以实现高效的遥感图像融合；研究设计基于遥感图像特性以及人眼视觉特性的融合评价指标。本项目中针对低分辨多光谱和高分辨全色图像相关性分析的融合研究可以进行更一般的推广，从而完善遥感图像融合理论和应用，具有重要的理论意义和实际价值。

本项目针对遥感图像的融合展开研究，以遥感图像光谱与空间相关性为驱动,设计融合策略使其能提高融合效果。同时为了获得较好的遥感图像质量评测标准，在人眼视觉感知模型的指导下，提出了一个图像主观分数预测模型。最后，也对遥感图像的应用处理做了一些尝试性研究。主要研究进展包括：.1、提出基于源图像相关性驱动的图像融合框架。..1）、基于梯度约束的融合方法..通过分析可见光和近红外图像之间的性质，根据梯度差稀疏性修改彩色图像插值中的约束条件，提出了利用近红外图像梯度指导的彩色图像插值与融合的混合处理框架。以迭代投影插值算法为基础，通过修改约束限制，以更新每次迭代估计的结果进行混合插值和融合，以获得效果增强的彩色图像。..2）、基于双向相似性的图像融合方法..通过寻找一个合适的目标函数和优化约束，设计相应的逆问题恢复模型，实现融合，不仅保留了源图像中共有的结构细节，而且也很好地综合源图像中独有的特征信息。..3）、基于稀疏表示的图像融合方法..在训练字典的基础上，对遥感图像进行稀疏分解，对稀疏系数采用相关性分类，不同的相关性采用不同的融合规则获得融合后的稀疏系数，进一步通过与字典的线性组合，获得融合后的彩色图像。.2、设计图像质量的主观评分预测模型..提出了一个遥感图像质量的主观评分预测模型。该模型为了捕捉失真图像的失真信息，失真强度被用作依赖参数。为了达到与主观判定的一致意见，将参考图像的主观分数当为质量基值。最后，将失真参数和质量基值整合到一个符合人类视觉特性的模型函数，以获得最终图像质量主观分数预测值。.3、遥感图像的增强与检测分类处理..因为阴影是遥感图像中主要降质因素，为了提高图像质量提出遥感图像去阴影的增强技术，在Gabor算子的特征表示下，用Texton纹理表示遥感图像，进行聚类分析，从而实现遥感图像的阴影检测。..由于遥感图像的主要应用为目标分类、识别，为此，我们针对遥感图像的分类，建筑物检测也进行了初步研究。