基于特征的多源遥感图像融合新算法研究

目前在遥感数据转化为信息或知识的处理流程中，遥感数据的海量化、复杂化与遥感信息提取的能力、效率之间存在着矛盾，融合是解决这一矛盾的有效手段，并为进一步的图像分割、目标检测与识别等提供更有效的信息。其中特征融合实现可观的信息压缩，利于实时处理，克服像素级融合存在的问题，是很有应用前景的研究方向。本课题围绕特征融合拟做如下研究：1）基于课题组提出的四种随机变换（离散分数随机变换、随机傅里叶变换、随机分数傅里叶变换，离散分数随机正余弦变换）设计融合算法，随机变换谱共有的随机化和均匀化特征保证融合算法具有较高的光谱信息保持度并具一定的鲁棒性；2）基于边界的形状、轮廓、方向、位置等特征和多种特征不变描述方法，研究适合于需要快速交互处理的实时融合系统；3）基于区域特征或区域多元特征设计稳健的自适应性融合算法。该课题的顺利完成对促进多源遥感图像信息处理的研究和应用具有重要的理论意义和广泛的应用价值。

本课题旨在探索基于多种特征的多源遥感图像融合算法，以解决遥感数据海量化、复杂化与遥感信息提取的能力和效率间的矛盾。项目围绕特征融合，在以下方面取得了一些创新性工作进展，主要包括：1) 基于随机变换的光谱特征，我们提出了两种新的融合算法并对传统算法进行了改进，取得了较好的光谱信息保持度和空间质量的提高，并大大提高了计算速度，而且随机变换不同的随机分布特征会产生不同的融合结果能满足不同用户的需求；2) 我们提出了一种基于边界特征的自适应主成分分析PCA融合算法，角度独特且计算快速，克服了传统PCA算法往往带来较大光谱失真的劣势，便于实际推广应用；3) 归纳总结了多分辨率分析融合方法的性能，说明了每种算法的优缺点，给后来的研究者以清晰的总体认识和了解；4) 基于调制传递函数MTF，我们提出了一种精准的融合结果图像空间质量评价函数，解决了长期困扰融合结果图像空间质量评价不准的难题；5) 完成了n波段多源遥感图像同时融合的算法，可以推广到高光谱图像的融合，且速度快，便于批量进行融合处理，这在实际应用中是个很大的进步；6) 基于光谱特征提出了一种高光谱图像微小目标的检测方法。项目在执行过程中，共发表论文11篇，其中7篇SCI，1篇EI，4篇国际会议，还有3篇SCI正在审稿中，圆满完成了任务目标，达到了预期成果。