一、基于能量不变原则的光谱保真融合方法(论文文献综述)
陶陈凝[1](2021)在《基于压缩感知的光谱成像系统和重构算法研究》文中提出光谱成像技术结合成像技术和光谱技术,同时获取具有目标物体空间和光谱信息的三维数据立方体。从图像的光谱数据立方体中可以获取每个空间像素的光谱曲线,也可以获得每个光谱通道的强度图像。基于光谱图像所提供的丰富信息,光谱成像技术在遥感、农业、生物、医学和军事等领域均具有重要的应用价值。区别于传统的采用空间或光谱扫描的光谱成像技术,基于压缩感知理论的光谱成像技术通过压缩采样、计算重构的方式实现了非扫描的高效率光谱成像。压缩光谱成像的技术关键在于压缩采样成像和压缩感知重构两个过程,其中压缩采样成像需要通过光学系统对目标物体的三维数据立方体进行空间和光谱维度的编码与混叠,而压缩感知重构则从成像结果中复原出光谱图像,采样和重构的过程共同决定了压缩光谱成像的采样效率和成像质量。本文围绕编码孔径压缩光谱成像和单像素压缩光谱成像这两种压缩光谱成像技术,结合压缩感知中的相干性理论,从光学系统和压缩重构算法两个方面开展研究。首先,本文提出了基于编码孔径快照式光谱仪(CASSI)和RGB联合成像的系统,及用于联合成像测量结果重构的前融合和后融合算法。CASSI和RGB联合成像的系统充分结合了 CASSI系统的在光谱维度高保真度的优势以及RGB成像的在空间维度高准确度的特点,相比于单独成像获取了更多有效信息。前融合算法通过合并联合成像系统的系统矩阵提升了压缩感知重构的效率,而后融合算法借助引导滤波提升了成像的光谱与空间分辨能力。然后,本文基于压缩感知理论中的相干性最小化原则,提出了使用RGB成像元件的双色散型结构的CASSI系统具有最低的相干性,引入Frobenius范数形式的感知相干性作为优化目标,通过遗传算法和梯度下降算法分别实现编码孔径和稀疏表示字典的优化。经过优化的RGB成像双色散型结构的CASSI系统具有非常高的压缩感知采样效率和光谱成像质量。并且,本文提出了基于颜色传感器的无透镜压缩单像素光谱成像系统,及基于相干性最小化的结构照明空间图案与稀疏表示字典的同时优化算法。在该系统中,分别使用结构照明和颜色传感器完成空间调制和光谱调制,实现了无透镜、低成本、高稳定性的光谱成像;而优化算法实现了结构照明图案与稀疏表示字典的相互适应,以充分利用光谱图像在光谱与空间维度的稀疏特性,提升重构光谱图像的质量。最后,分析了目前压缩光谱成像技术的不足,并展望了其发展前景,对未来压缩光谱成像技术的进一步研究工作提供了方向。
郭彭浩[2](2021)在《基于卷积神经网络和贝叶斯理论的遥感图像Pansharpening算法研究》文中研究表明遥感图像Pansharpening的主要目标是把全色图像中的空间结构与多光谱图像中的光谱信息提取出来进行重组得到融合图像,融合图像可以同时具有丰富的光谱信息和高精度的空间结构信息。本文利用卷积神经网络的非线性拟合能力,研究了两种算法,这两种算法在融合全色与多光谱信息同时也拥有良好的泛化性能,主要研究内容如下:1.为了确保模型具有良好的泛化性能,提出了一个新的基于卷积神经网络的遥感图像Pansharpening算法,该方法增加了模型的宽度来提取图像的特征信息,同时使用扩张卷积代替传统卷积,可以在不增加网络复杂度和训练时间的情况下最大程度的提取更多的特征信息。实验结果表明此算法在保证融合质量的同时也具有较好的泛化性。2.为了将卷积神经网络的非线性能力更好的融入模型,首次将多阶深度学习与变分优化相结合,提出了一个基于贝叶斯理论的遥感图像Pansharpening算法,该算法有以下特点:(1)融合图像和多光谱图像拥有相同的光谱信息,利用融合图像卷积模糊核可以得到多光谱图像;(2)融合图像中的结构信息存在全色图像和多光谱图像中,采用卷积神经网络从全色图像和多光谱图像中提取图像的空间结构信息,并且在多阶梯度域训练网络参数,可以有效的提高变分模型的泛化性能;(3)在多阶梯度域使用各项异性全变差来保护融合图像的边缘和细节。实验结果显示该模型更好地实现了光谱信息和空间结构的融合,并且模型的鲁棒性很好。
刘杨洋[3](2021)在《基于里德堡相互作用的两原子纠缠的实现》文中研究说明相互作用可控、相干时间长的中性单原子体系具备提供成千上万个量子比特的规模化集成的优势,是进行量子模拟、实现量子计算的有力候选者之一。近几年中性单原子体系在实验上取得了快速地发展,完成了包括上百个单原子的确定性装载、二维和三维阵列中单个原子的寻址和操控、量子比特相干时间的延长、基于里德堡态的两比特量子门的实现和原子态的高效读出等,这些工作极大地推动了该体系在量子模拟和量子计算方面的应用。这些成果为单原子体系用于量子计算和量子模拟的研究奠定了坚实基础,但是普适量子计算机的实现还需克服很多挑战和问题,包括实现高保真度的纠缠门操作,实现原子态的非破坏性测量以及实现阵列中原子的低串扰制备与探测。本文主要研究了基于里德堡相互作用下实现两比特纠缠门的物理限制,提出使用Off-Resonant Modulated Driving(ORMD)方案实现两比特受控相位门来克服该物理限制的影响,并在此基础上实现了两原子纠缠,为下一步基于中性单原子体系的量子模拟和量子计算打下坚实的基础。本文取得的主要研究成果如下:1.实现了窄线宽、低噪声、高稳定的里德堡激发激光源我们定制了一个高细度的腔长可调谐的超稳法布里珀罗腔(FP腔)。通过Pound-Drever-Hall(PDH)频率稳定的方法,我们将腔的长度锁定在商用的碘稳激光器上面,碘稳激光器频率的长期漂移在几个小时内小于1kHz/0.5℃,使得一个月内的激光频率长漂小于46kHz。然后通过PDH稳频方法将780nm和960nm激光的频率稳定到腔上,同时用该法布里-珀罗腔作为一个低通滤波器来过滤激光由于锁定环路有限的反馈带宽引起的相位噪声,使得距离载频0.75 MHz处的噪声被压制了 30dB,然后腔过滤光用以注入锁定实现激光功率的放大。这样我们最终获得窄线宽(<1 kHz)、极低的相位噪声和良好的长期稳定性的激光光源。2.实现了单原子高效率、长寿命的里德堡相干激发单个原子的里德堡相干激发是实现量子模拟和量子纠缠的基础。在780nm激光和960nm激光进行频率稳定后,我们通过双光子跃迁实现基态到里德堡态的相干激发,780nm激发光耦合基态|g>和中间态|p>,而480nm激发光(960nm激光倍频得到)耦合中间态|p>和里德堡态|r>,780nm激发光与中间能级失谐-5.7GHz,通过激发光对射构型我们实现了基态到里德堡态效率高达98.5%的相干激发。然后我们研究了单个原子的基态和里德堡态之间的相干耦合的物理和技术上的限制因素。我们为每个检测误差和退相因素建立了模型,根据相应模型得到的模拟值与实验观测值能够很好地符合。最后,我们通过优化这些参数,实现了退相时间高达67μw的Rabi振荡。3.控制比特相干性对两比特纠缠门的影响我们通过分析现阶段‘π-gap-π’两比特逻辑门方案的特点,发现除了实验上的技术因素外,另一个影响两比特逻辑门保真度的因素是单个比特的相干性。首先,我们在实验上分别测量了单个原子基态和里德堡态之间的相干时间Tgr并分析了退相因素的来源。然后,我们测量了控制比特在纠缠过程中的相干时间tcont,在实验上该时间与单个原子相干时间τgr是一致的。因此,我们得出结论,在不考虑纠缠过程制备的其他误差时,纠缠保真度实际上受到exp(-tgap/τgr)的限制,其中tgap是π-gap-π脉冲序列之间的间隔时间。4.单脉冲ORMD方案实现Cz门并实现两原子纠缠在分析了通用的两比特逻辑门方案的保真度受限于控制比特的相干性后,我们使用一种ORMD方案来实现受控相位门(Cz门),该方案在制备两比特门时不会将原子完全布居到里德堡态,大大降低了对于单个原子ground-Rydberg态的相干时间的要求。基于此方案,我们实现了保真度为0.875的两原子纠缠态。我们认为在对实验中不完美因素进行改进的情况下,保真度可以达到0.95以上。
刘博[4](2021)在《基于多尺度变换与深度学习的多聚焦图像融合研究》文中提出随着信息化时代的到来,信息数据的交互与应用进入蓬勃发展阶段,图像作为信息的重要表征形式之一,被广泛应用于人们的日常生活之中。受成像系统景深限制,往往存在景深范围内目标场景清晰成像,而范围外场景成像较为模糊。多聚焦融合技术能够将具有不同聚焦区域的同目标场景图像互补结合,有效解决全场景清晰成像问题,在提高图像的信息利用率上具有重要意义。目前,该技术在军事、医疗、民生、航空以及工业视觉等多个领域中应用日益广泛。多尺度变换是一种模拟人类视觉感知系统分析图像的方法,它通过分析不同尺度图像特征来解决多聚焦图像融合问题。多尺度变换融合法通过多尺度分解将源图像映射到不同频率子带,然后根据不同子带特性制定融合规则来指导各分量融合。这种方法对融合图像的视觉效果方面有很好提升,但往往无法精准界定源图像的聚焦区域,使融合图像存在信息冗余等问题。深度学习模型具有强大的特征提取能力,能够更好的捕获图像通用特征,基于深度学习的融合方法使融合可以很好实现聚焦区域分割,使融合图像所转移的源图像聚焦信息更加丰富。本文针对以上两类图像融合方法特性进行学习研究,其主要工作与创新成果如下:1.不同尺度卷积核可以从不同层级感受野分析图像特征,本文针对此特性对具有孪生结构的卷积神经网络多聚焦图像融合方法进行改进,提出一种多尺度卷积神经网络图像融合方法。该网络结构通过多尺度卷积核延伸模型宽度,使图像特征提取分析更加全面,并且将模型浅层特征与深层特征聚合,充分利用所学特征以提高模型分类精度。算法通过该模型来分析源图像聚焦信息从而获得与其聚焦区域相对应的聚焦权值图,然后通过二值化与形态学优化对权值图进行处理以获得决策图,最后由决策图指导多聚焦源图像进行聚焦信息融合。经实验分析,该方法在聚焦区域边界分割以及小聚焦区域特征提取方面性能有所提升。2.为了进一步改善融合图像质量,丰富图像细节信息,本文提出一种基于多尺度细节的卷积神经网络图像融合算法。该方法通过滚动引导滤波进行自适应多尺度分解,将源图像分解为基础层图像与不同尺度的细节层图像。对于多尺度细节层图像,通过非线性函数进行映射可以丰富图像细节信息,然后根据多尺度卷积神经网络图像融合方法所获得的决策图分别制定基础层与多尺度细节层的融合规则指导各层图像融合,最后通过各层图像重构得到融合图像。经实验验证,本文方法能够有效抑制图像块效应与伪影现象,在充分聚合源图像聚焦信息的同时,能够使融合图像具有丰富的细节特征与优异的视觉效果。
胡鑫[5](2021)在《多光谱遥感图像融合算法研究》文中进行了进一步梳理多光谱遥感图像有多个谱段,包含地物丰富的光谱信息,每个谱段的图像对应了地物的光谱响应,在数字地图绘制、遥感图像分类等领域中具有重要应用价值。多光谱图像的空间分辨率较低,而全色图像中包含地物丰富的空间细节信息,因此有必要研究多光谱和全色图像融合算法来挖掘多光谱图像和全色图像中的互补信息。目前多光谱图像融合算法依然存在一些问题:1)没有考虑到多光谱图像上采样对图像融合结果的影响。2)融合图像存在空间细节信息损失或光谱失真。针对这两个问题,本文提出了相应的解决方法,主要研究工作如下:(1)经典多光谱遥感图像融合算法的实现与分析。目前的多光谱与全色遥感图像融合算法分为成分替换、多分辨率分析、优化模型和深度学习四大类。本文实现了四类图像融合算法中的经典算法,通过对算法处理结果的分析,提出了多光谱图像融合算法的特点与目前存在的问题。(2)基于抗混叠轮廓波变换的多光谱图像上采样方法。针对多光谱图像上采样过程中图像产生锯齿的问题,考虑到轮廓波变换在对图像分解时具有更好的方向性,在轮廓波变换的基础上,解决了图像分解过程中出现的频谱混叠问题,提出了一种基于抗混叠轮廓波变换的多光谱图像上采样方法。通过与传统的插值方法进行对比实验,验证了基于抗混叠轮廓波变换的图像上采样方法的有效性。(3)基于低秩约束的图像融合方法。针对融合图像出现空间信息损失和光谱失真的问题,在图像融合模型中引入空间信息保真项和光谱信息保真项,使得融合图像既能够保持多光谱图像中丰富的光谱信息又能够保留全色图像中的高分辨率的特点。结合遥感图像的低秩特性,构造了图像融合模型的约束项。考虑到交替方向乘子法能够对模型参数逐个优化,选择交替方向乘子法作为图像融合模型的求解方法。(4)多光谱图像融合实验验证与分析。针对本文需要验证的多光谱图像上采样方法和多光谱图像融合算法,结合高分二号遥感图像数据,建立了多光谱遥感图像数据集,结合公认的多光谱遥感图像融合算法评价指标,设计了相应的实验方案来验证算法有效性和正确性。
宋蜜[6](2021)在《基于多目标优化理论的高光谱遥感影像亚像元制图方法研究》文中指出随着高光谱遥感的迅速发展,通过影像光谱解译精细地表覆盖已逐渐成为土地利用、环境监测、资源调查、军事侦察等国家需求的重要手段。然而受限于光谱成像仪空间分辨率物理极限以及地物分布复杂多样,高光谱影像普遍存在混合光谱、混合像元,阻碍了高光谱遥感信息提取向精细化、定量化发展。亚像元制图技术是解译混合像元内地物分布,提升制图空间分辨率的一种关键技术,它利用高光谱影像丰富的光谱信息来弥补空间信息的不足,首先通过光谱分解分析混合光谱的组成,可识别混合像元内的亚像元目标地物类别和丰度,然后以丰度图为基础,引入多种空间分布先验信息作为约束,推测亚像元目标在混合像元内部的空间分布。辅助数据例如空间分布模式字典、多偏移影像、长时序影像等都可以为亚像元制图提供具备地学复杂性的空间分布先验模式。然而随着多种先验信息的引入,亚像元制图也产生了以下问题:(1)单影像亚像元制图模型非凸优化困难。传统亚像元制图方法缺乏智能优化体系,面对非凸的亚像元制图模型只能通过凸松弛将制图模型转为凸问题求解,影响了制图模型的准确性;(2)多影像辅助数据的先验信息难以有效融合约束亚像元制图问题。传统亚像元制图方法将多种先验信息加权为单个目标函数作为制图模型,权重参数的确定具有很强的主观性,对于不同的数据、不同的场景需要依据经验调整,而且难以实现先验信息的最优融合。(3)传统时空亚像元制图遵循“先分解后制图”原则,分解和制图过程独立求解,光谱分解的误差会制约亚像元制图模型的可靠性。因此,针对上述问题,本论文开展了基于多目标优化的高光谱遥感影像亚像元制图方法研究,主要研究内容和创新之处如下:(1)系统分析了亚像元制图的欠定逆问题,并详细介绍了为使亚像元制图问题适定化而引入的各种先验信息约束,由此归纳了亚像元制图算法体系。(2)深入分析了多目标优化理论在解决亚像元制图问题上的潜力,并整理了多目标演化算法体系和基本框架。(3)提出非凸稀疏亚像元多目标优化制图方法,构建具有非凸稀疏约束的亚像元制图多目标优化模型,保证了单影像亚像元制图模型的准确性,利用多目标演化算法的全局优化能力,优化求解非凸制图模型的稀疏系数解,提升了亚像元制图方法的智能优化能力。实验验证提出方法总体制图精度较最优对比算法最高提高2.5%。(4)提出多目标时空融合亚像元制图方法和基于全局-局部搜索的多偏移影像亚像元制图方法,将多影像的先验信息约束建模为多个目标函数进行同步优化,利用多目标演化算法的多源信息互补能力,使亚像元制图中多种先验信息约束自适应地融合.设计全局-局部搜索策略增强多目标演化算法在亚像元制图解空间的寻优能力,求解在各种先验信息约束下达到最优平衡的亚像元空间分布图。虽然提出方法总体制图精度较最优对比算法最高仅提高1.6%,但敏感性分析表明所提方法十分稳定,精度浮动在0.3%以内。(5)在多目标优化框架下提出联合分解的亚像元制图方法,突破传统混合像元解译思路,实现了光谱分解和亚像元制图的同步优化,有效提升了分解和制图精度,减小了制图对分解质量的依赖。实验验证提出方法总体制图精度较最优对比算法最高提高3%,同时分解精度提升0.6d B。(6)构建亚像元制图原型系统。基于系统测试分析了本论文所提方法的适用场景和优先选择依据。
余艳[7](2021)在《面向特征增强的SAR和多光谱图像融合算法研究》文中指出多源遥感图像融合是指将同一区域不同传感器的多幅遥感图像加以综合,通过特定的技术合成一幅新图像的过程。合成孔径雷达(Synthetic Aperture Radar,SAR)和多光谱图像因成像机理不同,而具有较大的差异。SAR图像具有强大的穿透力,不受恶劣天气影响,能够全天时全天候成像,表征丰富的地表纹理和结构特征。多光谱图像含有丰富的光谱信息,可以有效识别不同类型的地物信息,具有优越的目视效果。因此,将SAR和多光谱图像进行融合,可以实现多源图像优势互补,扩大图像的应用范围。本文从SAR和多光谱图像融合的研究背景与意义出发,归纳总结了目前融合算法的国内外研究现状及不足之处,并对SAR和多光谱图像融合算法展开了深入研究,主要工作包含以下两个方面:(1)针对融合图像易空间细节信息丢失的问题,提出了基于相位一致性和脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的SAR和多光谱图像融合算法。本文利用亮度-色调-饱和度(Intensity-Hue-Saturation,IHS)和非下采样剪切波变换(Non-Subsampled Shearlet Transform,NSST)对图像进行分解和重构,在低频中采用基于相位一致性融合规则,不仅有针对地提取了低频图像的特征信息,还避免光谱信息损失,在高频中采用了PCNN融合规则,有效地提取图像中的纹理、边缘等细节信息。(2)为了提高局部细节信息的提取能力及图像的对比度,本文提出了双树复小波变换(Dual-Tree Complex Wavelet Transform,DTCWT)与引导滤波相结合的SAR和多光谱图像融合算法。该算法在IHS变换和NSST变换基础上,采用双树复小波变换对NSST低频系数进行二次分解,充分提取低频部分的细节信息,在DTCWT低频中采用改进的加权平均和引导滤波图像增强的融合规则,有效地加强了图像的对比度,在DTCWT高频和NSST高频中均采用PCNN融合规则,充分保留了图像的细节信息。本文利用三组哨兵1号SAR图像和Landsat-8多光谱图像进行实验,结果表明,本文算法在主观评价和客观评价方面均有明显地提升,融合图像不仅在光谱和空间信息上保真度高,图像对比度和清晰度也有所加强。
胡鹏[8](2020)在《双模态红外图像融合中差异特征与融合策略多级映射研究》文中进行了进一步梳理双模态红外光强与偏振图像因各自独特的成像优势和两者间丰富的互补信息而具有巨大的融合价值,因此如何为两类图像的融合配置最优融合策略(包括融合算法和融合规则)以实现二者高质量融合是充分利用双模态红外图像互补信息的关键,也是后续各种图像任务,如目标识别、目标跟踪及物体分类等得以高效实施的重要前提。然而一直以来在双模态红外图像融合中,融合策略的配置或选择大多基于先验知识且相对固定。众所周知,实际应用中成像场景不仅复杂多变且不可预估,这直接导致了根据先验知识所选择的融合策略在多数情况下难以获得高质量的融合图像。为了使融合策略能自适应地适配融合场景,本文在明确差异特征的作用和属性基础上,利用差异特征对两类图像间的差异互补信息进行定量描述,并在多尺度分解框架下建立双模态红外图像差异特征与最佳融合策略间的多级映射关系,以实现由双模态红外图像间的差异特征驱动自适应地选择最佳融合策略。另外,由于全局主差异特征仅是差异互补信息的总体平均反映,无法准确描述局部区域的主要差异。为此,本文在多级映射的基础上进一步提出了基于差异特征度量的图像分块融合方法,从而保证了融合结果在全局水平上的最优性。综上所述,本文在多尺度分解融合框架下,开展了面向双模态红外图像分块自适应融合的差异特征与融合策略多级映射研究,主要创新工作如下:(1)差异特征与融合策略间多级映射的映射集构建:为了解决构造差异特征时,由于缺乏对差异特征本质及属性的准确认识,而导致所构建的差异特征缺乏规范,进而无法对两类图像间的差异互补信息进行全面而有效的定量描述这一障碍。本文从差异特征的作用出发,首次分析给出差异特征的三个基本属性,即描述信息差异性、表征差异独立性及引导融合有效性。同时依据这三个基本属性结合双模态红外成像原理及图像特点,构建了六个差异特征用于对两类图像间的灰度、边缘及纹理三个方面的差异互补信息进行定量描述,并依次通过实验验证了上述六个差异特征的合理性和有效性;关于融合策略集,本文在多尺度分解融合框架下选择了大量典型的融合算法和规则,并针对双模态红外图像的融合对算法参数和高、低频规则组合的合理性进行比较分析,最终构建了适合双模态红外图像融合的融合策略集。(2)双模态红外图像差异特征与融合策略间融合有效度的研究及构造:为了使融合有效度真正做到既反映差异特征的融合效果又兼顾融合结果的客观融合质量,从而起到链接差异特征与最优融合策略的纽带作用。本文分析并明确了差异特征融合度与融合有效度的区别,比较了多种差异特征融合度的优劣,进而构造了更加合理的差异特征融合度。另外,通过分析融合有效度的作用与内涵,提出了一种基于差异特征融合度与客观评价指标间相关性的新型融合有效度。该融合有效度在兼顾融合质量客观评价的同时,综合描述了差异特征引导融合时,融合策略与融合质量间的关系。(3)差异特征与最佳融合策略间多级映射关系的建立及其融合形式:为了克服借助经验选择融合策略造成所选策略较固定且难以最优的问题。论文研究并建立差异特征与最优融合算法及最优规则(包括高频规则、低频规则)间的浅层多级映射关系,并在此基础上进一步揭示了差异特征差异度幅值对上述映射关系的影响,进而确立由差异特征到特征差异度幅值与最优融合策略间的深层多级映射对应关系,从而实现利用图像内容间的差异特征自适应地选择配置最佳融合策略,为依据差异特征及其幅值动态自适应选择最优融合策略铺平了道路。同时,论文进一步研究所建立的多级映射在双模态红外图像融合中的应用,及其在多尺度分解框架下的深度融合实现,使得两类图像的融合质量得到显着提升。(4)基于多级映射的双模态红外图像分块自适应融合方法实现:为了突破依据全局差异特征引导融合难以做到各局部区域均是最优融合的局限。论文从全局主差异特征与局部主差异特征的关系入手,提出依据局部主差异特征的分块针对性融合方法。该方法借鉴区域生长的思想提出了块聚合分割法对源图像进行分块,而后分别依据各图块的主差异特征自适应地选择最优融合策略并实施分块融合。由于融合过程中每个图块都是最优融合,所以最终融合结果实现了各局部区域的最优化。
张煜洲[9](2020)在《基于多源卫星遥感协同的复杂地质体解译研究》文中提出地质体是由地质作用形成的产物,具有成矿的专属性,如何识别成矿地质体,对指导找矿具有重要的意义。地质体形成过程中,往往经历了复杂的地质过程,导致其成分和结构复杂;同时,由于我国中西部部分区域地表条件艰险,无法开展现场的直接调查,限制了复杂地质体的地面勘探。遥感技术已经成为地质工作不可或缺的手段,极大地推动了复杂地质体的高精度、定量化的解译研究。已有研究表明,较高光谱分辨率能够更准确表现地表地质体岩性、矿物物质成分上的差异,而较高空间分辨率能够通过细节纹理差异更精细表达特定地质体间的形态和界线。然而由于目前卫星遥感技术水平所限,单一传感器数据往往很难兼顾空间分辨率与光谱分辨率,这在很大程度上限制了遥感技术在地质体解译中的应用。同时,单一传感器数据由于光谱波段数量的限制往往无法覆盖多种特征矿物所具有的特征波段。因此,如何在现有技术水平下充分利用多源遥感数据分别在空间和光谱上的优势互补,同时充分利用多源数据的光谱波段设置,缓解这一矛盾是一项非常值得探索和研究的工作。本研究以复杂地质体解译为目标,提出了多源卫星遥感协同应用的思想,围绕多源遥感数据光谱、空间协同中的相关问题,研究了多源卫星遥感协同应用框架及协同处理方法。通过构建协同影像数据集,实现了较高空间分辨率影像与较高光谱分辨率影像的综合利用,获得了更全的波段集合。通过在岩浆杂岩体解译、沉积单元解译以及变质岩矿化蚀变提取等研究中应用,对本文提出的方法进行了验证。取得了以下成果:1)根据协同学理论与遥感成像系统的特征,总结了遥感数据协同思想,并建立了以影像像元地表反射率光谱响应一致与尽可能提高各多光谱数据源空间分辨率为原则的多源卫星遥感协同应用框架。2)提出了基于统计回归与波段相关性的光谱协同方法。通过统计回归获取了不同传感器相似波长设置波段的光谱协同因子;利用波段关系及相关性决定不同波长设置波段的光谱协同因子。通过光谱协同后,不同传感器各波段的地表反射率数值在均值、标准差等统计参数上的差异显着减小。3)引入光谱响应函数积分权重改进GS融合方法,提了高空间分辨率统一时的光谱保真性。从各分辨率尺度以及融合结果的各光谱波段的对比实验中,利用均方根误差(RMSE)表明了该方法在光谱保真上的优势;并通过多尺度的融合实验,以信息熵与可变窗口改进局部方差分别评价影像信息量与清晰度,从而确定最佳协同尺度,并将其作为空间协同尺度构建多源遥感协同影像集。4)验证了多源遥感协同处理方法的应用效果,并针对各研究区提出了合适的协同方案。在三峰山岩浆侵入杂岩体区域、拜城-库车沉积岩区域、大青山变质岩区域,分别利用合适的多源遥感数据,将多源卫星遥感协同方法应用于岩浆杂岩体解译、沉积单元解译及变质岩矿化蚀变提取等研究中,取得较好的解译、提取结果,并通过对比实验验证了多源遥感协同方法的优势。侵入单元、沉积单元差异以及地表出露并不广泛的矿化蚀变增强时,均需要SWIR相应波长位置设置的窄波段与空间协同后一定空间分辨率的支持,以缓解混合像元的严重影响;侵入杂岩体与沉积单元解译研究中,复杂地段则需应用协同影像全波段的光谱特征,以及合理的波段比值集合与主成分分析方法,以获得更有效的地质体界线增强结果;在变质岩研究区则增强提取了多个波长位置波段的矿化蚀变,并提出单蚀变增强所需光谱波段若均来自同一传感器时,可仅进行空间协同提升分辨率而不进行光谱协同。本研究在各研究区的效果验证了协同影像在光谱信息丰富程度及空间分辨率上均具有一定的优势,同时也证明了光谱、空间协同的有效性,为复杂地质体的解译提供了一套较为合理的多源卫星遥感数据应用方法。
刘世界[10](2020)在《基于压缩感知的高光谱成像技术研究》文中指出高光谱成像技术是一种同时获得空间信息和光谱信息的遥感技术,是现代遥感领域的重要探测技术手段之一。传统高光谱成像技术包括点视场扫描,线视场扫描和面视场凝视获取等方法,这些方法基于奈奎斯特采样理论进行数据采集,要保证信息得到准确保留,采样频率必须要大于探测信号所包含最大频率的两倍,并经过数据压缩和解压的过程,才得到最终数据。这种信息处理流程会带来计算空间和存储空间的浪费,因为系统首先需要存储含有大量冗余信息的采集数据,再经过复杂的压缩算法实现压缩,最终得到很少量的有效数据,这对于一些运算和存储能力有限的系统来说,比如星上系统,无疑增加了一定的压力。压缩感知是一种可以实现压缩和采样同时进行的信息处理理论,能解决以上过程带来的矛盾,基于压缩感知的光谱成像系统也已经成为目前研究的热点之一,本文在探究压缩感知成像机理的基础上,做了具有以下创新点的研究内容:1.提出了多狭缝组合编码的高分辨率视频光谱成像方法(SGCSHI,Slit Group Coded Scanning Hyperspectral Imager)。SGCSHI按照压缩感知理论进行狭缝编码,可实现欠采样条件下全部信息的获取,实验表明,80%采样率条件下,SGCSHI获取的光谱图像质量与传统单狭缝推扫获取方式相当,将探测效率提高了1.25倍。SGCSHI由单狭缝线视场成像变为多狭缝面视场成像,由扫描探测变为凝视探测,利用光栅或棱镜作为分光器件,实现高光谱分辨率数据获取,本文实验系统平均光谱分辨率可达3.8nm(@550nm)。同时提出基于狭缝移动的光谱成像系统(SSHI,Slit Scan Hyperspectral Imager),同样可以实现高光谱分辨率探测,与传统探测方法具有相同的探测效率。SSHI单次获取信息是SGCSHI系统获取信息的编码“原子”,是实现SGCSHI光谱成像方法的基础。SGCSHI和SSHI解决了传统凝视光谱成像系统光谱分辨率低的问题,为利用高分辨率高光谱成像技术实现动态目标视频探测提供了新的方法路线。2.针对传统方法重构结果光谱保真度低的问题,提出了基于双稀疏域联合(JDSD,Joint of Double Sparse Domains)求解的高精度光谱恢复算法。JDSD算法将信号分解为低频和高频两部分,针对信号不同频率分布特点分别进行不同的稀疏分解,进而解码以实现细节补偿,解决了传统基于单稀疏域变换的重构方法带来的光谱吸收峰等细节损失问题。在大量样本测试中,20%采样率下,传统重构算法平均恢复结果的保真度指标SAM和GSAM分别为0.625和0.515,而JDSD算法平均重构结果对应的值分别为0.817和0.659,80%采样率情况下,两个指标分别由0.863和0.808提升为0.940和0.897,JDSD的高精度恢复结果对光谱的进一步应具有十分重要的意义。3.分别提出电子式狭缝组合编码光谱成像方法(E-SGCSHI,ElectricalSGCSHI)和机械移动式多狭缝组合编码(M-SGCSHI,Mechanical-movement SGCSHI)光谱成像方法。E-SGCSHI系统利用液晶光阀作为电子编码器件,可以实现高速变换编码,控制灵活性高,实现了全采样率下探测帧频为0.38HZ(数据立方体大小为64×64×80)的高光谱视频成像功能,但液晶光阀光学利用率极低(小于10%),因此E-SGCSHI系统获取图像信噪比很差。M-SGCSHI系统利用玻璃掩模板作为编码器件,配合视场光阑,通过精密的机械移动实现编码的变换。实现了全采样率下探测帧频为0.5HZ(数据立方体大小为160×256×64)的高光谱视频成像功能。同时,玻璃掩模板的光学利用率在90%以上,具有高对比度等优点,解决了E-SGCSHI的信噪比极差的问题,实现了高成像质量的光谱成像信息的获取,在最终成像结果中,E-SGCSHI平均信噪比约为31db,M-SGCSHI平均信噪比则为41db。4.针对传统基于原始光谱信息的光谱相似度评价方法难以客观体现对光谱指纹特征保真程度问题,提出了基于梯度信息的光谱保真度评价方法(GSAM,Gradient SAM)。GSAM利用光谱形状的一阶梯度信息来增强光谱吸收峰等指纹特性,并将其纳入光谱保真度评价中。GSAM对于光谱特征峰等细节变化很敏感,在测试数据中,随着采样率的变化,SAM的值在0.998~1之间,而GSAM的值在0.72~1之间,因此具有更强的差异分辨力,可以客观地反映出系统对于光谱特征的保真能力。同时可以将GSAM利用到地物分类中,在测试数据中,基于SAM的平均分类精度为0.86,基于GSAM的方法可以达到0.93,突出了光谱特征在分类中的作用。另一方面,因为GSAM是以梯度信息作为评价标准,因此其不受偏置影响,具有更强的鲁棒性。
二、基于能量不变原则的光谱保真融合方法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于能量不变原则的光谱保真融合方法(论文提纲范文)
(1)基于压缩感知的光谱成像系统和重构算法研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 光谱成像技术概述 |
1.1.1 光谱成像技术的分类 |
1.1.2 光谱成像技术的应用 |
1.2 压缩光谱成像技术概述 |
1.2.1 压缩光谱成像 |
1.2.2 编码孔径压缩光谱成像 |
1.2.3 单像素压缩光谱成像 |
1.3 本文主要研究工作 |
2 压缩感知理论及压缩光谱成像原理 |
2.1 压缩感知理论 |
2.1.1 传统的采样方法 |
2.1.2 压缩感知采样 |
2.1.3 信号的稀疏表示 |
2.1.4 压缩感知系统矩阵特性 |
2.1.5 压缩感知信号重构算法 |
2.2 编码孔径压缩光谱成像原理 |
2.2.1 单色散型编码孔径快照式光谱仪 |
2.2.2 双色散型编码孔径快照式光谱仪 |
2.3 单像素压缩光谱成像原理 |
2.4 压缩光谱成像中的关键元件 |
2.4.1 编码孔径 |
2.4.2 色散元件 |
2.5 本章小结 |
3 基于图像融合的编码孔径压缩光谱成像 |
3.1 引言 |
3.2 系统结构 |
3.3 重构算法 |
3.3.1 Pre-fusion算法 |
3.3.2 Post-fusion算法 |
3.4 光谱成像结果分析与讨论 |
3.4.1 数据集的准备及评价函数的选取 |
3.4.2 光谱成像结果 |
3.4.3 算法的参数设置对光谱成像质量的影响 |
3.4.4 噪声对光谱成像质量的影响 |
3.5 本章小结 |
4 基于相干性优化的编码孔径压缩光谱成像 |
4.1 引言 |
4.2 编码孔径快照式光谱仪的相干性分析 |
4.3 基于相干性最小化的优化算法 |
4.4 光谱成像结果分析与讨论 |
4.4.1 数据集的准备及优化算法参数的设置 |
4.4.2 光谱成像结果 |
4.4.3 算法的参数设置对光谱成像质量的影响 |
4.4.4 噪声对光谱成像质量的影响 |
4.5 本章小结 |
5 基于颜色传感器的单像素压缩光谱成像 |
5.1 引言 |
5.2 系统结构 |
5.3 基于梯度下降的相干性最小化算法 |
5.4 仿真 |
5.4.1 数据集的准备及优化算法参数的设置 |
5.4.2 仿真结果分析 |
5.5 实验 |
5.5.1 实验系统设计 |
5.5.2 实验结果分析 |
5.6 本章小结 |
6 总结与展望 |
参考文献 |
作者简历 |
攻读博士期间所取得的科研成果 |
(2)基于卷积神经网络和贝叶斯理论的遥感图像Pansharpening算法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文的主要内容及章节安排 |
第二章 遥感图像Pansharpening相关知识 |
2.1 分量替代法 |
2.1.1 PCA融合 |
2.1.2 BDSD融合 |
2.2 多分辨率分析法 |
2.2.1 基于小波变化的融合算法 |
2.3 基于变分模型的方法 |
2.4 基于深度学习的方法 |
2.5 遥感图像Pansharpening的评价指标 |
2.5.1 主观评价 |
2.5.2 客观评价指标 |
2.6 本章小结 |
第三章 基于多宽度卷积神经网络的遥感图像Pansharpening算法 |
3.1 卷积神经网络简介 |
3.2 网络构架 |
3.2.1 扩张卷积 |
3.2.2 批量归一化层 |
3.2.3 激活函数 |
3.2.4 模型结构 |
3.3 数据集构建和参数设置 |
3.3.1 数据集的构建 |
3.3.2 损失函数 |
3.3.3 参数设置 |
3.4 实验结果与分析 |
3.4.1 模拟数据集实验结果及分析 |
3.4.2 真实数据集实验结果及分析 |
3.4.3 扩展实验 |
3.5 本章小结 |
第四章 基于贝叶斯理论和卷积神经网络的遥感图像Pansharpening算法 |
4.1 基于贝叶斯理论的遥感图像Pansharpening模型 |
4.1.1 光谱保真项 |
4.1.2 结构保真项 |
4.1.3 先验项 |
4.2 MGCNN网络模型 |
4.2.1 网络模块 |
4.2.2 数据集 |
4.2.3 网络结构和参数设置 |
4.3 优化算法 |
4.3.1 模型优化求解 |
4.4 实验结果与分析 |
4.4.1 模拟数据实验结果及分析 |
4.4.2 真实数据实验结果及分析 |
4.4.3 扩展实验 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
作者介绍 |
(3)基于里德堡相互作用的两原子纠缠的实现(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 中性原子量子计算 |
1.2 里德堡原子基本特性 |
1.2.1 里德堡原子的能级结构 |
1.2.2 里德堡原子的波函数 |
1.2.3 跃迁矩阵元 |
1.2.4 里德堡态原子寿命 |
1.2.5 里德堡态的斯塔克效应 |
1.2.6 里德堡态原子间的相互作用 |
1.3 单原子体系量子计算进展 |
1.3.1 里德堡激发的实现 |
1.3.2 量子逻辑门和两原子纠缠的的实现 |
1.3.3 中性原子的规模化实现 |
1.3.4 原子比特的相干时间 |
1.3.5 量子比特的探测 |
1.4 研究内容 |
第2章 单原子囚禁及内态操控 |
2.1 磁光阱系统 |
2.1.1 磁光阱相关激光光路系统 |
2.1.2 磁光阱结构 |
2.2 单原子囚禁 |
2.2.1 红失谐光偶极阱 |
2.2.2 红失谐光偶极阱的实验实现 |
2.2.3 单原子的探测 |
2.3 单原子的性质 |
2.3.1 原子在偶极阱中的寿命 |
2.3.2 原子的谐振频率 |
2.3.3 原子温度 |
2.4 单原子量子比特的制备与操控 |
2.4.1 原子的初态制备-光泵过程 |
2.4.2 单比特操控-微波跃迁 |
2.5 激光系统 |
2.5.1 激光的频率稳定 |
2.5.2 激光的移频系统 |
2.5.3 激光功率稳定 |
2.6 本章小结 |
第3章 激发光的频率稳定及相位噪声过滤 |
3.1 频率稳定简介 |
3.1.1 闭环锁相环路简介 |
3.1.2 闭环锁相环路的稳定性 |
3.1.3 伺服凸起(Servo-Bumps) |
3.2 PDH稳频方法简介 |
3.2.1 法布里珀罗腔的反射峰信号 |
3.2.2 PDH信号的得到-调制与解调 |
3.3 激光频率稳定的实现 |
3.3.1 法布里珀罗腔的腔长锁定 |
3.3.2 激发光的频率稳定 |
3.3.3 法布里珀罗腔过滤相位噪声及注入锁定 |
3.3.4 腔的加热效应 |
3.4 本章小结 |
第4章 基态到里德堡态的相干激发 |
4.1 双光子对射构型试验方案 |
4.1.1 780nm激发光 |
4.1.2 480nm激发光 |
4.1.3 里德堡激发的吸收峰和Rabi振荡 |
4.1.4 激发光的频率稳定性 |
4.2 里德堡激发过程的探测误差 |
4.2.1 基态探测误差 |
4.2.2 里德堡态探测误差 |
4.2.3 探测误差的测量 |
4.3 Rabi振荡退相因素分析 |
4.3.1 Doppler效应 |
4.3.2 中间能级的自发辐射 |
4.3.3 单光子Rabi频率起伏 |
4.3.4 激光相位噪声 |
4.3.5 其他因素 |
4.3.6 优化后的Rabi振荡 |
4.4 本章小结 |
第5章 受控非门及两原子纠缠保真度损失研究 |
5.1 里德堡阻塞效应 |
5.1.1 里德堡阻塞效应原理 |
5.1.2 里德堡阻塞效应的实验观测 |
5.2 基于里德堡阻塞效应的受控非门及两原子纠缠 |
5.3 控制比特相干性对两原子纠缠的影响 |
5.3.1 单原子量子比特相干性分析 |
5.3.2 纠缠过程中控制比特相干性测量 |
5.4 本章小结 |
第6章 ORMD脉冲方案实现两原子纠缠 |
6.1 ORMD脉冲方案简介 |
6.2 ORMD脉冲方案的实现 |
6.3 两原子纠缠的制备 |
6.3.1 受控相位门实现两原子纠缠的理论推导 |
6.3.2 两原子纠缠的实现 |
6.4 本章小结 |
第7章 总结和展望 |
参考文献 |
附录A 物理学中的基本参数 |
附录B Rb原子能级图 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(4)基于多尺度变换与深度学习的多聚焦图像融合研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文主要研究内容与结构安排 |
第2章 多聚焦图像融合相关技术 |
2.1 引言 |
2.2 基于空域的图像融合算法 |
2.2.1 基于像元的图像融合基本原理 |
2.2.2 基于分块的图像融合基本原理 |
2.2.3 基于聚焦区域分割的图像融合基本原理 |
2.3 基于变换域的图像融合算法 |
2.3.1 基于金字塔变换的图像融合基本原理 |
2.3.2 基于小波变换的图像融合基本原理 |
2.3.3 基于多尺度几何分析的图像融合基本原理 |
2.4 基于深度学习的图像融合算法 |
2.5 图像融合方法性能评价 |
2.5.1 主观评价方法 |
2.5.2 客观评价方法 |
2.6 本章小结 |
第3章 基于多尺度卷积的多聚焦图像融合算法 |
3.1 引言 |
3.2 卷积神经网络概述 |
3.3 数据集生成 |
3.4 神经网络融合模型 |
3.4.1 网络结构设计 |
3.4.2 训练策略与融合流程 |
3.5 实验结果与分析 |
3.6 本章小节 |
第4章 基于多尺度细节的卷积神经网络多聚焦图像融合 |
4.1 引言 |
4.2 自适应多尺度滚动引导滤波器 |
4.2.1 滚动引导滤波器原理 |
4.2.2 图像多尺度分解 |
4.2.3 多尺度细节非线性映射 |
4.3 融合算法框架及融合规则设计 |
4.3.1 多聚焦图像融合算法框架 |
4.3.2 多聚焦图像融合相关融合规则设计 |
4.4 实验结果与分析 |
4.4.1 主观视觉评价 |
4.4.2 客观参数评价 |
4.5 本章小结 |
第5章 总结与展望 |
5.1 论文工作总结 |
5.2 未来研究工作展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文与研究成果 |
(5)多光谱遥感图像融合算法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及研究目的和意义 |
1.2 国内外研究现状及分析 |
1.2.1 多光谱遥感图像融合预处理方法研究现状 |
1.2.2 多光谱遥感图像融合算法研究现状 |
1.3 主要研究内容 |
第2章 多光谱遥感图像融合算法实现与分析 |
2.1 引言 |
2.2 基于成分替换的多光谱与全色遥感图像融合算法 |
2.2.1 基于主成分分析的图像融合算法 |
2.2.2 基于色彩标准化变换的图像融合算法 |
2.3 基于多分辨率分析的多光谱与全色遥感图像融合算法 |
2.3.1 基于小波变换的多光谱遥感图像融合算法 |
2.4 基于模型的多光谱与全色遥感图像融合算法 |
2.4.1 基于盲复原模型的多光谱与全色遥感图像融合算法 |
2.5 基于深度学习的多光谱与全色遥感图像融合算法 |
2.5.1 基于卷积神经网络的多光谱遥感图像融合算法 |
2.6 多光谱与全色遥感图像融合问题分析 |
2.7 本章小结 |
第3章 基于抗混叠轮廓波变换的图像上采样方法 |
3.1 引言 |
3.2 轮廓波变换的概念 |
3.2.1 拉普拉斯金字塔分解 |
3.2.2 方向滤波器组滤波 |
3.3 轮廓波变换频谱混叠分析 |
3.4 抗混叠轮廓波变换 |
3.5 基于抗混叠轮廓波变换的图像上采样方法 |
3.6 本章小结 |
第4章 基于低秩约束的多光谱图像融合方法 |
4.1 引言 |
4.2 基于低秩约束的图像融合模型 |
4.2.1 空间信息保真项 |
4.2.2 光谱信息保真项 |
4.2.3 低秩正则项 |
4.2.4 多光谱遥感图像融合模型 |
4.3 基于交替方向乘子法的模型求解方法 |
4.3.1 交替方向乘子法的基本原理 |
4.3.2 图像融合模型求解方法 |
4.4 本章小结 |
第5章 多光谱遥感图像融合实验及分析 |
5.1 引言 |
5.2 多光谱遥感图像数据集建立 |
5.3 多光谱遥感图像融合评价方法 |
5.4 多光谱遥感图像融合实验方案 |
5.4.1 试验方案一 |
5.4.2 试验方案二 |
5.4.3 试验方案三 |
5.5 实验结果与分析 |
5.5.1 试验方案一 |
5.5.2 试验方案二 |
5.5.3 实验方案三 |
5.6 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的学术论文及其他成果 |
致谢 |
(6)基于多目标优化理论的高光谱遥感影像亚像元制图方法研究(论文提纲范文)
论文创新点 |
摘要 |
ABSTRACT |
英文缩略词索引 |
1 绪论 |
1.1 研究背景与意义 |
1.2 亚像元制图的研究现状 |
1.2.1 亚像元制图研究的难点问题 |
1.3 多目标优化理论在亚像元制图中的应用潜力 |
1.4 本论文的研究内容与章节安排 |
1.4.1 研究内容 |
1.4.2 章节安排 |
1.5 本章小结 |
2 亚像元制图和多目标优化概述 |
2.1 亚像元制图基本理论与方法 |
2.1.1 混合像元光谱分解 |
2.1.2 亚像元制图基本方法 |
2.1.2.1 基于空间吸引力模型的单影像亚像元制图方法 |
2.1.2.2 基于最大后验概率模型的单影像亚像元制图方法 |
2.1.2.3 基于稀疏表达的单影像亚像元制图方法 |
2.1.2.4 多时相影像辅助的时空谱融合亚像元制图方法 |
2.1.2.5 多偏移影像辅助的亚像元制图方法 |
2.2 多目标优化基本理论与方法 |
2.2.1 多目标优化问题 |
2.2.2 多目标演化算法概述 |
2.2.2.1 演化算法 |
2.2.2.2 多目标演化算法基本流程 |
2.2.2.3 多目标演化算法体系 |
2.2.3 典型多目标演化算法 |
2.2.3.1 快速非占优排序遗传算法NSGA-II |
2.2.3.2 基于分解的多目标进化算法MOEA/D |
2.3 本章小结 |
3 单影像非凸稀疏亚像元多目标优化制图 |
3.1 稀疏亚像元制图多目标优化问题建模 |
3.2 基于多目标演化算法的稀疏亚像元制图模型求解 |
3.2.1 K-SVD空间分布模式字典学习 |
3.2.2 亚像元制图稀疏系数编码 |
3.2.3 最优稀疏系数求解 |
3.3 实验结果与分析 |
3.3.1 实验设计 |
3.3.2 精度指标 |
3.3.3 实验结果 |
3.3.4 敏感度分析 |
3.3.5 计算复杂度分析 |
3.4 本章小结 |
4 基于多目标优化的多影像最优融合亚像元制图 |
4.1 多目标时空融合亚像元制图方法 |
4.1.1 时空初融合 |
4.1.2 时空融合亚像元制图的多目标优化问题建模 |
4.1.3 时空融合亚像元制图多目标优化模型求解 |
4.1.4 实验结果与分析 |
4.2 基于全局-局部搜索的多偏移影像亚像元制图 |
4.2.1 多偏移影像亚像元制图的多目标优化问题建模 |
4.2.2 多偏移影像亚像元制图多目标优化模型求解 |
4.2.3 实验结果与分析 |
4.3 本章小结 |
5 基于多目标优化的联合分解亚像元制图 |
5.1 联合分解的亚像元制图模型 |
5.2 基于多目标优化的联合分解亚像元制图算法 |
5.2.1 分解制图一体化编码 |
5.2.2 基于多目标优化的分解制图同步优化 |
5.3 实验结果与分析 |
5.3.1 实验结果 |
5.3.2 敏感度分析 |
5.4 本章小结 |
6 亚像元制图原型系统 |
6.1 系统架构设计 |
6.2 系统方法对比 |
6.3 本章小结 |
7 总结与展望 |
7.1 总结 |
7.2 未来研究展望 |
参考文献 |
攻博期间发表的科研成果目录 |
致谢 |
(7)面向特征增强的SAR和多光谱图像融合算法研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 图像融合研究现状 |
1.2.1 融合技术的层次分类 |
1.2.2 国内外研究现状 |
1.2.3 融合算法的不足 |
1.3 论文主要研究内容与结构安排 |
1.3.1 论文主要研究内容 |
1.3.2 论文结构安排 |
第二章 数据预处理与传统图像融合算法 |
2.1 实验数据介绍与数据预处理 |
2.1.1 实验数据介绍 |
2.1.2 数据预处理 |
2.2 传统图像融合算法 |
2.2.1 IHS变换融合算法 |
2.2.2 小波变换融合算法 |
2.2.3 NSCT变换融合算法 |
2.3 图像融合评价指标 |
2.3.1 主观评价 |
2.3.2 客观评价 |
2.3.3 传统融合算法实验结果与分析 |
2.4 本章小结 |
第三章 基于相位一致性与PCNN的 SAR和多光谱图像融合算法 |
3.1 NSST变换、相位一致性与PCNN |
3.1.1 NSST变换 |
3.1.2 相位一致性 |
3.1.3 PCNN |
3.2 基于相位一致性与PCNN的图像融合算法 |
3.2.1 低频融合规则 |
3.2.2 高频融合规则 |
3.3 实验结果分析 |
3.3.1 数据与参数选择 |
3.3.2 实验与结果分析 |
3.4 本章小结 |
第四章 双树复小波变换与引导滤波相结合的SAR和多光谱图像融合算法 |
4.1 双树复小波变换与引导滤波 |
4.1.1 双树复小波变换 |
4.1.2 引导滤波 |
4.2 双树复小波变换与引导滤波相结合的图像融合算法 |
4.2.1 低频融合规则 |
4.2.2 高频融合规则 |
4.3 实验结果分析 |
4.3.1 数据与参数选择 |
4.3.2 实验与结果分析 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 本文总结 |
5.2 后续工作展望 |
参考文献 |
攻读硕士学位期间的学术活动及成果情况 |
(8)双模态红外图像融合中差异特征与融合策略多级映射研究(论文提纲范文)
摘要 |
abstract |
主要符号表 |
第1章 绪论 |
1.1 研究目的与意义 |
1.2 国内外研究现状 |
1.2.1 多尺度分解融合 |
1.2.2 双模态红外图像融合 |
1.2.3 利用图像间差异特征驱动融合 |
1.2.4 自适应优化融合 |
1.3 论文的研究内容与章节安排 |
1.3.1 论文的研究内容 |
1.3.2 章节安排 |
第2章 双模态红外图像多级映射中映射集的研究 |
2.1 双模态红外图像差异特征集的构建 |
2.1.1 双模态红外成像过程简介 |
2.1.2 双模态红外图像特点与差异分析 |
2.1.3 差异特征基本属性的确定及其构建 |
2.1.4 实验分析与讨论 |
2.2 双模态红外图像融合策略集的构建 |
2.2.1 融合策略的组成 |
2.2.2 融合算法的选取与参数确定 |
2.2.3 融合规则选取与组合 |
2.3 本章小结 |
第3章 多级映射中差异特征与融合策略间融合有效度的研究 |
3.1 图像融合质量评价方法简介 |
3.1.1 融合质量典型客观评价方法分析 |
3.1.2 双模态红外图像融合质量客观评价方法确定 |
3.2 融合有效度的作用与内涵 |
3.3 差异特征与融合策略间融合有效度的构造 |
3.3.1 差异特征融合度与客观评价指标间的关系 |
3.3.2 融合有效度的构造 |
3.3.3 实验分析 |
3.4 本章小结 |
第4章 差异特征与融合策略间多级映射的建立 |
4.1 差异特征与最优融合算法间的映射 |
4.1.1 算法映射的建立 |
4.1.2 实验与分析 |
4.2 差异特征与最优融合规则间的映射 |
4.2.1 规则映射的建立 |
4.2.2 实验与分析 |
4.3 差异特征差异度幅值对映射关系的影响 |
4.3.1 差异度幅值对算法映射的影响 |
4.3.2 差异度幅值对规则映射的影响 |
4.4 多级映射的融合组成及形式 |
4.4.1 基于算法及规则多级映射的融合 |
4.4.2 多尺度分解下的深层多级映射融合 |
4.5 本章小结 |
第5章 基于多级映射的双模态红外图像分块自适应融合实现 |
5.1 分块融合的意义 |
5.1.1 全局与局部主差异特征间的关系 |
5.1.2 分块融合的必要性 |
5.2 基于局部差异特征的分块方法 |
5.2.1 区域生长基本原理 |
5.2.2 块聚合分割方法 |
5.3 基于多级映射的分块自适应融合方法实现 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 主要工作与创新点 |
6.2 下一步工作展望 |
参考文献 |
攻读博士期间发表的学术成果 |
攻读博士期间主持及参与的科研项目 |
致谢 |
(9)基于多源卫星遥感协同的复杂地质体解译研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 项目来源 |
1.3 国内外研究现状 |
1.3.1 遥感岩矿增强识别方面研究现状 |
1.3.2 多源遥感在岩矿增强识别领域研究现状 |
1.3.3 存在的问题 |
1.4 主要研究内容及研究思路 |
1.4.1 主要研究内容 |
1.4.2 总体研究思路 |
1.5 论文组织结构 |
第二章 多源卫星遥感协同思想与处理思路 |
2.1 多源卫星遥感数据应用方式分析 |
2.1.1 多传感器波段叠加 |
2.1.2 常用遥感图像融合技术分析 |
2.2 多源卫星遥感的协同学理论基础 |
2.2.1 协同学 |
2.2.2 遥感数据协同思想及应用框架 |
2.3 多源卫星遥感协同处理思路探讨 |
2.3.1 多源卫星遥感光谱协同思路探讨 |
2.3.2 多源卫星遥感空间协同思路探讨 |
2.4 小结 |
第三章 多源卫星遥感协同处理方法研究 |
3.1 协同数据预处理 |
3.2 基于统计回归及波段相关性的多源遥感光谱协同方法 |
3.2.1 光谱协同基准影像确定原则 |
3.2.2 基于统计回归的相似波长设置波段光谱协同 |
3.2.3 基于波段关系及相关性的不同波长设置波段光谱协同 |
3.3 基于改进GS光谱锐化融合及最佳协同尺度的空间协同 |
3.3.1 空间协同输入波段决定原则 |
3.3.2 基于光谱响应函数的改进GS融合 |
3.3.3 基于信息量及清晰度实验的最佳协同尺度研究 |
3.4 小结 |
第四章 基于GF-1、Sentinel-2及ASTER协同的岩浆杂岩体解译研究 |
4.1 三峰山侵入杂岩体研究区地质特点及遥感分析 |
4.1.1 三峰山侵入杂岩体研究区地质特点 |
4.1.2 杂岩体中各侵入单元的岩性差异 |
4.1.3 三峰山侵入杂岩体解译遥感需求 |
4.2 GF-1、Sentinel-2与ASTER杂岩体解译试验 |
4.2.1 出露的侵入杂岩体区域划分及构造解译 |
4.2.2 GF-1、Sentinel-2及ASTER目标侵入单元增强 |
4.2.3 目标侵入单元增强效果讨论 |
4.3 基于多源遥感协同的岩浆杂岩体解译研究 |
4.3.1 三峰山侵入体区域多源遥感协同影像构建 |
4.3.2 常用方法协同影像目标侵入单元增强 |
4.3.3 复杂地段目标侵入单元增强 |
4.3.4 三峰山岩浆侵入杂岩体解译 |
4.4 小结 |
第五章 基于GF-1与ASTER协同的复杂岩性沉积单元解译研究 |
5.1 拜城-库车研究区地质特点及遥感分析 |
5.1.1 拜城-库车研究区地质特点 |
5.1.2 研究区沉积单元的岩性差异 |
5.1.3 研究区沉积单元解译遥感需求 |
5.2 GF-1与ASTER影像沉积单元解译试验 |
5.2.1 GF-1真彩色影像可解译性分析 |
5.2.2 GF-1与ASTER影像沉积单元界线增强试验 |
5.2.3 沉积单元界线可解译性讨论 |
5.3 基于多源遥感协同的沉积单元解译研究 |
5.3.1 拜城-库车区域多源遥感协同影像构建 |
5.3.2 常用方法沉积单元地质界线增强 |
5.3.3 较难区分沉积单元地质界线增强 |
5.3.4 拜城-库车研究区沉积单元解译 |
5.4 小结 |
第六章 基于World View-2与ASTER协同的变质岩及矿化蚀变提取研究 |
6.1 大青山变质岩研究区地质特点及遥感分析 |
6.1.1 大青山研究区地质特点 |
6.1.2 研究区成矿相关的变质岩及矿化蚀变特征 |
6.1.3 研究区成矿相关矿化蚀变提取遥感需求 |
6.2 World View-2与ASTER影像矿化蚀变增强试验 |
6.2.1 World View-2 矿化蚀变增强试验 |
6.2.2 ASTER矿化蚀变增强试验 |
6.2.3 矿化蚀变增强效果讨论 |
6.3 基于协同影像的矿化蚀变提取研究 |
6.3.1 大青山区域多源遥感协同影像构建 |
6.3.2 大青山变质岩区特征矿化蚀变增强 |
6.3.3 大青山变质岩研究区矿化蚀变提取 |
6.4 小结 |
第七章 总结与展望 |
7.1 取得的认识和成果 |
7.2 建议与展望 |
参考文献 |
作者简历 |
(10)基于压缩感知的高光谱成像技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 研究背景 |
1.1.1 光谱成像技术发展 |
1.1.2 计算光谱成像技术发展 |
1.2 本文结构安排 |
第2章 压缩感知计算成像理论基础 |
2.1 压缩感知基本原理 |
2.2 稀疏表达 |
2.3 信号的观测矩阵 |
2.4 重构算法 |
2.5 本章总结 |
第3章 多狭缝组合编码光谱成像系统原理 |
3.1 编码光谱成像系统原理与数学模型构造 |
3.2 多狭缝组合编码光谱成像系统 |
3.3 数值仿真 |
3.4 工程可行性论证 |
3.4.1 基于单狭缝扫描的成像光谱仪系统(SSHI) |
3.4.2 SGCSHI系统与SSHI系统的关系 |
3.5 本章总结 |
第4章 基于双稀疏域联合求解的高精度光谱恢复算法 |
4.1 算法原理 |
4.1.1 基本算法描述 |
4.1.2 稀疏约束参数的设置 |
4.2 实验结果与讨论 |
4.2.1 数据来源和评价方法 |
4.2.2 基本实验结果 |
4.2.3 稀疏基的影响 |
4.2.4 不同重构组合的JDSD算法 |
4.3 本章总结 |
第5章 电子式狭缝编码光谱成像系统 |
5.1 液晶光阀的工作原理 |
5.2 电子式狭缝编码光谱成像系统 |
5.2.1 系统组成 |
5.2.2 电子式单狭缝扫描成像光谱仪系统(E-SSHI) |
5.2.3 电子式狭缝组合编码光谱成像仪系统(E-SGCSHI) |
5.3 液晶光阀的透过率 |
5.4 本章总结 |
第6章 机械移动式狭缝编码光谱成像系统 |
6.1 机械移动式单狭缝扫描成像光谱仪系统(M-SSHI) |
6.2 机械移动式多狭缝组合编码光谱成像系统(M-SGCSHI) |
6.2.1 掩模版的设计和实现 |
6.2.2 移动平台的控制方法 |
6.2.3 系统实现与实验 |
6.3 本章总结 |
第7章 光谱成像保真度评价 |
7.1 空间信息保真度评价 |
7.2 光谱信息保真度评价 |
7.2.1 光谱形状信息的评价 |
7.2.2 光谱幅值信息的评价 |
7.2.3 光谱形状和幅值联合的评价 |
7.2.4 光谱指纹特征保真度的评价 |
7.4 对系统评价和分析 |
7.5 本章总结 |
第8章 总结与展望 |
参考文献 |
附录A 部分重构算法 |
1.匹配追踪类 |
2.软&硬阈值迭代类 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
四、基于能量不变原则的光谱保真融合方法(论文参考文献)
- [1]基于压缩感知的光谱成像系统和重构算法研究[D]. 陶陈凝. 浙江大学, 2021(01)
- [2]基于卷积神经网络和贝叶斯理论的遥感图像Pansharpening算法研究[D]. 郭彭浩. 南京信息工程大学, 2021(01)
- [3]基于里德堡相互作用的两原子纠缠的实现[D]. 刘杨洋. 中国科学院大学(中国科学院精密测量科学与技术创新研究院), 2021(01)
- [4]基于多尺度变换与深度学习的多聚焦图像融合研究[D]. 刘博. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2021(11)
- [5]多光谱遥感图像融合算法研究[D]. 胡鑫. 哈尔滨工业大学, 2021
- [6]基于多目标优化理论的高光谱遥感影像亚像元制图方法研究[D]. 宋蜜. 武汉大学, 2021(02)
- [7]面向特征增强的SAR和多光谱图像融合算法研究[D]. 余艳. 合肥工业大学, 2021(02)
- [8]双模态红外图像融合中差异特征与融合策略多级映射研究[D]. 胡鹏. 中北大学, 2020(03)
- [9]基于多源卫星遥感协同的复杂地质体解译研究[D]. 张煜洲. 浙江大学, 2020(01)
- [10]基于压缩感知的高光谱成像技术研究[D]. 刘世界. 中国科学院大学(中国科学院上海技术物理研究所), 2020(03)