1、近年來(lái),多源遙感圖像融合已經(jīng)成為遙感應(yīng)用領(lǐng)域和圖像工程領(lǐng)域的研究熱點(diǎn).它是為解決快速、有效處理多源傳感器提供的海量數(shù)據(jù)這一問(wèn)題而提出的一門(mén)新興技術(shù).多源遙感圖像融合技術(shù)可以將多源傳感器的圖像數(shù)據(jù)進(jìn)行關(guān)聯(lián)和復(fù)合,產(chǎn)生出比單一信息源更精確、更完整、更可靠的估計(jì)和判斷.圖像融合分為三個(gè)層次:像素層、特征層和決策層.該論文的工作是在像素層和特征層展開(kāi)的,取得了一些有新意的成果.論文的主要工作和成果包括:在像素層,論文研究了多傳感器數(shù)據(jù)融合理論及

2、遙感圖像預(yù)處理的過(guò)程和步驟,歸納了多源遙感圖像像素層融合的常用算法,并針對(duì)目前遙感數(shù)據(jù)呈海量化、復(fù)雜化這一發(fā)展趨勢(shì)同遙感信息提取的能力和效率滯后這一矛盾,在SFIM算法的基礎(chǔ)上,將IHS變換與SFIM相結(jié)合,將原算法中的均值濾波器改進(jìn)為自適應(yīng)加權(quán)均值濾波器,提出了一種改進(jìn)的SFIM算法,通過(guò)對(duì)一組多光譜圖像和全色圖像的雙傳感器融合仿真對(duì)比試驗(yàn),證明了該算法在保持原多光譜圖像光譜信息的同時(shí),能夠有效提高融合圖像的空間分辨能力.由于該算法簡(jiǎn)

3、潔,更適合用于那些需要快速交互處理和實(shí)時(shí)可視化的融合系統(tǒng).在特征層,論文研究了基于Markov隨機(jī)場(chǎng)的圖像分類(lèi)方法.在詳細(xì)討論Markov隨機(jī)場(chǎng)基本理論的基礎(chǔ)上,論述了基于MAP-MRF框架的圖像分類(lèi)算法及該算法實(shí)現(xiàn)過(guò)程中的組合優(yōu)化問(wèn)題.針對(duì)遙感圖像非監(jiān)督分類(lèi)中的參數(shù)估計(jì)問(wèn)題,重點(diǎn)討論了EM-MRF迭代算法的原理和實(shí)現(xiàn),并將EM-MRF迭代算法引入到多源遙感圖像融合的過(guò)程中,提出了兩種分別基于集中式融合模型和分布式融合模型的圖像融合方法