小波分析在遙感影像融合中的應(yīng)用研究.pdf

1、作為一種局部化時頻分析方法，小波分析是各種信號處理方法的統(tǒng)一處理框架，它的快速算法為分析和解決實際問題帶來極大的方便。在實際應(yīng)用中，絕大多數(shù)信號是非平穩(wěn)的，而帶有奇異性的或者不規(guī)則的結(jié)構(gòu)往往是信號中最重要的部分。在影像中，亮度的不連續(xù)性往往提供了某一影像的邊緣，這恰恰是認識影像最有意義的部分。過去常用傅立葉變換來分析這些奇異性，但由于傅立葉變換是全局性的，它可以描述信號的全面的整體性質(zhì)，但不適合于尋找奇異性的分布及奇異點的位置所在和奇異

2、程度。而小波變換特別適用于分析處理非平穩(wěn)信號。 自Daliy首次將雷達影像和Landsat-MSS影像的復(fù)合影像應(yīng)用于地質(zhì)解釋以來，用于遙感影像融合處理的技術(shù)方法很多，其中應(yīng)用較廣的主要有加權(quán)法、HPF法、IHS變換法、PCA法、小波變換融合算法等。在實際應(yīng)用中，運用加權(quán)法的融合影像對比度差、失真度大；HPF法使用固定大小的濾波器，難以完全提取出高分辨率影像的所有細節(jié)信息；PCA融合法失去了原有的物理特性；而小波變換法則在有效地

3、增強多光譜影像的空間細節(jié)表現(xiàn)能力的同時，且保持了影像融合前后的光譜特性，彌補了上述方法的不足。鑒于此，本文就基于小波變換的多源遙感影像融合技術(shù)進行了分析和研究。 本文在全面論述了小波分析的基本概念和基本理論的基礎(chǔ)上，詳細分析了以Mallat算法為核心的DWT融合算法和以多孔算法為核心的SWT融合算法，并從理論上總結(jié)了兩種傳統(tǒng)小波融合方法的優(yōu)缺點；針對傳統(tǒng)小波融合方法的缺點，對其小波基的選擇、邊界延拓的方法，以及融合法則和融合方法