我要投搞

标签云

收藏小站

爱尚经典语录、名言、句子、散文、日志、唯美图片

当前位置:香港赛马会 > 多光谱图像 >

基于超拉普拉斯约束的多光谱图像Pan-Sharpening方法

归档日期:08-08       文本归类:多光谱图像      文章编辑:爱尚语录

  基于超拉普拉斯约束的多光谱图像Pan-Sharpening方法_电子/电路_工程科技_专业资料。现今,随着卫星遥感技术的日益发展,遥感图像凭借信息量丰富、覆盖范围广、分辨率高等特点,在气象预测、环境监测、资源勘探、防灾减灾、城市规划等领域中发挥着重要的作用。然而由于受到成像机理的限制,QuickBird、WorldView-2、WorldView-3和IKONOS等常用的遥感卫星不能提供同时具有高空间分辨率和

  目录 目录 第一章绪论……………………………………………………………l 1.1研究背景及意义………………………………………………………………….1 1.2多光谱图像PAN.sHARPENrNG技术的发展与研究现状………………………..4 1.2.1像素级融合.....…...................…..……...…6 1.2.2特征级融合…..……...……..…….….….…….6 1.2.3决策级融合...…..………………………………7 1.3基于变分框架的PAN—sHARPE…NG研究现状………………………………………7 1.4论文的主要内容和结构…………………………………………………………8 第二章多光谱图像PAN.sHARPENlNG方法…………………11 2.1基于投影替代的PAN.sHARPENING方法………………………………………11 2.1.1基于色彩空间IHS变换.................................11 2。l。2基于算术运算的方法……………………….….…12 2.1.3基于小波变换(wavelet)的方法…....…...………..13 2.2基于变分框架的PAN.sHARPENING方法………………………………………14 2.2.1基于P+XS的方法……..……………..…...…….14 2.2.2基于Guided—filter(GDF)的方法.............….......14 2.2.3基于Dynami Gradi ent Sparsity(DGSF)的方法....……15 2.2.4基于模型(MBF)的方法….……....…...…………15 c 2.3多光谱图像PAN—sHARPENING质量评价………………………………………16 2.3.1主观评价方法.....…………...……..…....……16 2.3.2客观评价方法…...……..……...…..……….…17 2.4小结……………………………………………………………………………..19 第三章基于自适应字典学习的多光谱图像PAN-sHARPENING 方法…………………………………………………………………………………。21 3.1相关背景知识…………………………………………………………………..22 3.1.1数据保真项.............…….....…...….…......22 3.1.2先验项.......…................................…..24 3.2 BPFA算法………………………………………………,……………………………………….……一25 3.3.1 3.3.2 3.3基于非参数贝叶斯的PAN.sHARPENING模型…………………………………27 ADMM优化算法..........……….……..……......27 Pan—sharpening模型求解........................……28 3.4实验结果和分析………………………………………………………………..30 3.4.1仿真数据实验...........….......……..............31 3.4.2真实数据实验....….........….................…..33 3.5不足之处分析…………………………………………………………………..36 基于超拉普拉斯约束的多光谱图像Pan—sharpening方法 3.6小结…………………………………………………………………………………….37 第四章基于超拉普拉斯约束的多光谱图像PAN.sHARPENING 模型…………………………………………………………………………………。39 4.1基于稀疏梯度的PAN—sHARPENING模型………………………………………39 4.1.1光谱保真项...……….…….....……....…......40 4.1.2结构保真项...........……......……..…………40 4.1。3先验项…………。。.……………………。。……44 4.2基于超拉普拉斯约束项的PAN.sHARPENING模型…………………………….45 4.2.1增广拉格朗日形式..………......….....…………45 4.2.2 Pan—sharpening模型求解...……..………..........46 4.3实验结果及讨论………………………………………………………………..47 4.3.1仿真数据实验.…..……….....……..………….48 4.3.2真实数据实验................……………..........54 4.3.3算法计算效率分析……...…......…….....….....62 4.4小结……………………………………………………………………………………………………….64 第五章总结与展望…………………………………………………65 参考文献……………………………………………………………67 致谢…………………………………………………………………………………。71 附录…………………………………………………………………………………。73 !兰!!!!!兰2里堡旦堡 ble of Contents CHAPTER 1 FOREWARD…………………………………………………………….1 1.1阳封洲勘吲姆咖棚SI洲IFIC瑚唯…………………………………………………………….1 1.2 1.2.1 Pixel 1evel 1.2.2 Feature 1.2.3 Decision level T删雕踞^剃S鹏昕P^卜跏^婶翻I№……………………………………………4 1.3 1.4 T睡O吖睢删ST棚喀胙P^忖_翱^睁刚I№

本文链接:http://wsfcsmagnets.net/duoguangputuxiang/1032.html