一、IHS小波包活性测度融合SAR与TM图像（论文文献综述）
路雅宁,郭雷,李晖晖[1]（2012）在《基于曲波活性测度的SAR与多光谱图像融合》文中进行了进一步梳理曲波变换是一种更适合于图像处理的多尺度几何分析方法,具有很强的方向性。结合活性测度将其应用于合成孔径雷达（SAR）图像和多光谱（MS）图像融合可以更好地表示图像中的有用特征。首先,对多光谱图像和SAR图像的R、G、B三波段分别进行曲波变换,粗尺度系数采用3×3窗口系数活性测度进行融合,细节尺度直接取大,对粗尺度和细节尺度系数重构后得到最终融合结果。采用熵、平均梯度、信噪比和扭曲程度对融合结果进行评价。实验结果表明,基于曲波活性测度的融合方法在保持MS光谱信息和提高空间分辨率上都有较好的结果。
邓伟,郭春凯,尤辉[2]（2012）在《一种光谱信息保持的影像融合算法研究》文中研究说明在介绍遥感图像融合中IHS变换和小波包分析的基础上,提出了一种基于光谱特征保持的IHS变换与小波包分析相结合的图像融合算法。该方法可以最大限度地保留待融合图像的光谱信息,同时融合图像的清晰度和空间分辨率有了很大提高,图像纹理信息也得到了很好的保持。通过对SAR图像与Landsat（TM）多光谱图像的融合实验,证明了该方法的有效性。
蒋年德[3]（2010）在《多尺度变换的图像融合方法与应用研究》文中研究说明随着传感器技术的发展,多传感器图像数据类型和数量急剧丰富,多传感器图像融合技术在军事目标识别、智能机器人、遥感、医学图像处理和制造业等诸多领域内得到了广泛的应用,更成为了图像理解、计算机视觉和遥感等领域的研究热点。论文在多尺度分析理论指导下对像素级多传感器图像融合方法开展相关的研究工作,融合图像包括了遥感图像、多聚焦图像、红外与可见光图像和医学图像等多种类型。论文首先对研究背景、图像多尺度分析概念、图像融合技术及其相关概念、图像融合技术发展现状和应用等进行了总体介绍。总结了现有的多传感器图像融合方法和国内外学者的研究成果,然后将已有的图像融合方法进行了分类并分析了它们的优缺点。对基于多尺度变换的融合方法原理和已有的相关研究工作进行了较为详细的阐述,给出了本论文所用到的融合图像质量客观评价指标计算公式。借鉴前人的研究工作,论文重点研究了基于多尺度变换的图像融合方法,包括基于金字塔变换、基于小波变换、基于Curvelet变换和基于非下采样Contourlet变换的图像融合方法,然后提出了几种新的融合方案,给出了它们的融合规则函数表达式,分别使用遥感图像、多聚焦图像、红外与可见光图像以及医学图像进行了实验验证。论文对图像融合方法和融合规则都做了一些研究,主要成果和创新点概括如下：（1）根据视觉对比度掩蔽特性,考虑分解系数中的局部均值和窗口内每个系数,基于金字塔多尺度变换提出了改进的图像对比度融合方法。（2）通过研究源图像小波分解子带系数邻域内的相关性,基于小波变换提出了邻域内相关系数与平均梯度的图像融合方法,该方法具有较好的融合效果。（3）通过研究主分量变换融合方法和小波变换融合方法各自的特点,提出了一种基于主分量变换与小波变换结合的自适应遥感图像融合方法。该方法有效地融合了高分辨率图像的低频分量信息,消除了小波变换融合方法图像中的分块效应,其融合图像边界清楚,在保留光谱信息的同时空间细节信息也得到提高。（4）针对小波变换不能够有效地获取图像中的几何特征（如曲线）等奇异性问题,研究了Curvelet变换理论,然后根据Curvelet变换系数特点,考虑图像中的弱边缘,基于第一代Curvelet变换提出了一种自适应的遥感图像融合方法,该方法的融合图像较好地保留了源图像的光谱信息,其空间细节信息也得到了增强。（5）Curvelet变换很好地刻画了图像中曲线等奇异性,图像的纹理活跃性程度可通过不同方向上的Curvelet系数能量变化来反映。综合考虑局部窗口内每个Curvelet系数能量及其均值,基于第二代Curvelet变换提出了改进的系数能量对比度融合方法。实验证明,对于多聚焦图像,其融合图像与源图像的信息相关程度较高并且差异性小,很好地保留了源图像的边缘特征。（6）针对传统IHS （Intensity Hue Saturation,IHS）变换融合方法的光谱信息丢失问题,结合第二代Curvelet变换提出了一种改进的融合方法,两组不同的遥感图像实验及分析表明,该融合方法充分综合了IHS变换和Curvelet变换优势,有效地提取了原始遥感图像特征。（7）通过研究多尺度变换域系数注入融合遥感图像方法,考虑到注入融合方法使多光谱图像中某些特征被全色图像的特征掩蔽,提出了改进的非下样Contourlet变换系数注入融合方法,实验证明,该方法尽可能保留了多光谱图像中的光谱信息和高分辨图像中的细节信息。对论文提出的每种融合方法,都给出了相应的实验,从主观和客观两个方面对提出的融合方法进行了分析评价,得到了一些有价值的结论。实验结果及分析表明,所提出的融合方法可以有效地实现多聚焦图像、医学图像、红外与可见光图像以及遥感图像的融合,论文提出的融合方法对解决图像融合问题具有重要的指导意义。
刘光博,王晓梅,马泉池[4]（2010）在《多进制小波变换在测绘遥感图像融合中的应用》文中认为小波变换用于多源遥感图像融合已得到了国内外学者的广泛关注,并且又提出了很多小波变换与传统融合方法结合的融合算法。本文在研究小波变换的基础上对多进制小波变换在融合中的应用进行了深入的分析,可以看出多进制小波有着更强的适应性,并且计算更加灵活。
沈洁[5]（2009）在《基于多分辨率分析的图像融合技术研究》文中研究说明图像融合是信息融合一个非常重要的分支,是通过一种特定算法将两幅或多幅图像合成为一幅新图像,以最大限度地获取对目标或场景的完整信息描述。多分辨率分析方法在信号和图像处理过程中有着很重要的地位。基于多分辨率分析的图像融合方法是目前像素级图像融合技术中应用非常广泛且极为重要的一类算法,其融合过程是在不同尺度、不同空间分辨率、不同分解层次上进行的,可以获得效果明显改善的融合结果。本文对基于多分辨率分析的图像融合算法进行了较为深入的研究,主要工作包括以下几点:（1）阐述了图像融合的研究背景、意义和国内外研究现状;介绍了基于多分辨率分析的图像融合原理和一般框架,并详细研究了框架中的多分辨率分析模块和融合规则模块;总结了常用的几种图像融合的性能评价指标。（2）研究了中值金字塔变换的原理和实现算法,提出了一种基于中值金字塔变换的多聚焦图像融合算法。利用中值金字塔的非线性特点,能够有效保留细节信息,结合以局部邻域平均梯度作为活性测度的融合规则,得到了比用拉普拉斯金字塔、对比度金字塔和梯度金字塔进行图像融合更好的效果,增大了融合图像的信息熵。（3）详细研究了多分辨率分水岭分割的原理和实现算法,重点讨论了基于分割区域的高频系数的融合规则,提出了一种基于区域分割和小波变换的遥感图像融合算法。由于融合过程考虑到了各源图像的区域信息,能够提高算法的鲁棒性,使感兴趣目标的轮廓更为清晰。仿真实验也证明了该算法的有效性,能够取得比基于IHS变换、PCA变换的图像融合算法更好的融合效果。（4）研究了Contourlet变换和非子采样Contourlet变换的原理,提出了一种基于非子采样Contourlet变换的图像融合算法。对于低频系数的融合采用基于边缘的选择方案,对于高频方向子带系数的融合则采用一种基于局部系数相关性的规则,该算法能够有效地捕捉图像不同尺度下的细节方向信息和几何特征。实验证明了此算法在红外、可见光图像以及多聚焦图像的融合中都十分有效。
贺养慧[6]（2009）在《多源遥感信息融合研究》文中进行了进一步梳理近年来,随着遥感技术、计算机技术和信息处理技术的发展,多源遥感信息融合技术在军事、遥感、自动目标识别、计算机视觉和医学图像处理等领域取得了广泛的应用。多源遥感信息融合就是将多个传感器获得的同一场景的遥感图像或同一传感器在不同时刻获得的同一场景的遥感图像数据进行空间和时间配准,采用融合算法将各类图像数据所含的信息优势互补地有机结合起来产生新图像或给出场景解释的技术。传统的融合算法,如IHS变换融合、PCA变换融合、HPF变换融合、金字塔融合、小波变换融合及其相结合的融合算法由于各自的特点和复杂性,一般都存在融合图像的清晰度和原始信息的保留程度不够理想的问题。本研究针对上述问题提出了一种改进的图像直方图匹配算法,基于高斯函数的直方图匹配算法对图像灰度值进行拉伸和均衡处理,达到较好的匹配效果。在传统小波包变换融合算法的基础上,提出了一种基于多通道滤波的小波包变换融合算法,对空间高分辨率图像在小波包分解之前先进行多通道滤波,较好地保留了尺度纹理特征并且采用改进的基于区域特征的自适应融合准则,对高频信息和低频信息采用不同的融合准则,提高了空间分辨率。利用遥感软件ENVI 4.5和ERDAS IMAGINE 9.2对传统融合算法和本文提出的改进算法进行对比实验,从目视的主观评价和数量统计的客观评价两方面进行了分析和总结。实验结果表明本文的改进算法在融合效果方面与传统的融合算法相比具有更丰富的信息量,保留了大量的纹理特征和光谱特征而且色彩逼真、清晰度更高。
王胜利,余学祥,杨然[7]（2008）在《小波理论在遥感图像融合中应用》文中研究指明小波变换用于多源遥感图像融合已得到了国内外学者的广泛关注,并且又提出了很多小波变换与传统融合方法结合的融合算法。本文在对这些算法进行总结的基础上,讨论了基于小波包变换和最优树变换以及多进制小波变换在融合中的应用,分析他们在融合中各自的特色,以便使用时根据具体情况进行选择。
王净[8]（2008）在《基于IHS-WT和区域能量的遥感图像二次融合方法》文中研究表明随着遥感技术的快速发展,遥感图像融合处理成为遥感技术领域的一个研究热点。多源遥感图像融合技术是将不同类型传感器获取的同一地区的图像数据进行空间配准,然后采用一定的算法将各图像数据中所含的信息优势或互补性有机结合起来,得到一幅包含信息更加丰富的图像。本文以MODIS和NOAA卫星传感器数据为源,对遥感图像融合方法进行了深入研究,主要有以下几方面的工作:1)研究了传统的图像融合方法和融合规则及其在气象卫星遥感影像融合中的应用,包括像素灰度值加权平均、Brovey、IHS变换、主成分分析PCA、残差融合等方法。从主、客观两个方面对各种融合方法的融合效果进行了比较分析,认为传统的图像融合方法虽然算法简单,融合速度快,但在某些时候往往效果不佳,存在光谱特性扭曲较严重,源图像光谱信息不能较好保留等现象。2)研究了基于小波变换的图像融合方法。具有多分辨率特征的小波方法能将图像分解到不同尺度,便于在特殊空间域中分析图像近似信息和细节信息,且分析和重构对图像信息没有损失。本文就小波变换融合方法中小波基和尺度系数的选择、小波变换中分解层数的选择、小波高、低频系数融合规则的选择等问题进行了较深入的分析,并通过实验进行了探讨。3)研究了复合式图像融合方法。复合式图像融合技术主要是结合传统不同算法之间的优点,以弥补各种方法的缺陷。重点研究了IHS FFT方法和IHS WT方法,在此基础上,提出了一种基于IHS WT和区域能量的二次融合融合方法,将原始图像分别在像素域和小波域采用区域能量法进行融合,新方法在一定程度上改善了融合效果。
张登荣,张霄宇,俞乐,刘辅兵[9]（2007）在《基于小波包移频算法的遥感图像融合技术》文中研究说明在基于小波包的遥感图像融合应用中,引入用于调整小波包分解频率顺序的小波包移频算法来解决由于间隔采样而导致的频带混叠现象.在融合过程中,当选择高频系数时采用最值法,选择低频系数时采用局域能量法.融合结果以信息熵、联合熵、光谱扭曲指数和边缘强度指数等作为定量指标进行质量评价.进行了增强型专题制图仪（ETM+）多光谱和全色波段遥感数据融合实验.结果表明,基于小波包移频算法得到的融合图像在光谱信息保持和空间分辨率增强方面均优于未移频的小波包分析方法.
罗丽[10]（2007）在《基于多分辨率分析的遥感图像融合算法研究》文中研究表明为了使多光谱图像和高空间分辨率全色图像的融合结果在保持光谱质量的同时具有尽可能高的空间分辨率,论文对基于多分辨率分析的遥感图像融合算法进行了深入研究。提出了基于Mallat小波变换的梯度选择加权融合算法和基于àtrous小波变换的改进小波附加法（WA,wavelet addition）,二者都在一定程度上改善了融合图像的质量。而且,理论分析和实验结果表明基于àtrous小波变换的WA是一种更适合于遥感图像的融合思想。将Contourlet变换引入到图像融合中,为了利用基于àtrous小波变换的WA融合思想的优势,同时弥补其方向细节表现能力差以及Contourlet变换无平移不变性的缺点,提出了àtrous-Contourlet变换。提出了基于àtrous-Contourlet变换的遥感图像融合算法,对高频细节信息分别采用基于像素和基于窗口区域的融合规则进行图像融合。实验结果表明àtrous-Contourlet变换是一种很好的多分辨率分析工具,基于此变换的遥感图像融合算法能获得更佳的融合效果。
二、IHS小波包活性测度融合SAR与TM图像（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、IHS小波包活性测度融合SAR与TM图像（论文提纲范文）
（3）多尺度变换的图像融合方法与应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 插图索引 |
| 附表索引 |
| 第1章 绪论 |
| 1.1 选题背景和研究意义 |
| 1.2 图像多尺度分析概述 |
| 1.3 图像融合技术及其应用 |
| 1.3.1 图像融合概念 |
| 1.3.2 图像融合层次 |
| 1.3.3 图像融合流程 |
| 1.3.4 图像融合应用 |
| 1.4 图像融合技术发展与研究现状 |
| 1.6 论文主要研究内容和结构安排 |
| 1.6.1 论文主要研究内容 |
| 1.6.2 论文的结构安排 |
| 第2章 几类图像融合方法与融合质量评价 |
| 2.1 引言 |
| 2.2 几类常用的图像融合方法及其原理 |
| 2.2.1 基于多尺度变换的图像融合方法 |
| 2.2.2 基于色彩空间的融合方法 |
| 2.2.3 基于数学或统计学的融合方法 |
| 2.2.4 基于智能技术的图像融合方法 |
| 2.3 图像融合质量评价 |
| 2.3.1 基于信息量的评价 |
| 2.3.2 基于差异性的评价 |
| 2.3.3 基于清晰度的评价 |
| 2.3.4 基于相似性的评价 |
| 2.4 本章小结 |
| 第3章 基于多尺度金字塔变换的图像融合方法研究 |
| 3.1 引言 |
| 3.2 图像处理的多尺度金字塔变换 |
| 3.2.1 拉普拉斯金字塔变换 |
| 3.2.2 对比度金字塔和比率金字塔变换 |
| 3.2.3 梯度金字塔变换 |
| 3.2.4 方向可调金字塔变换 |
| 3.3 改进的金字塔变换域系数对比度融合方法 |
| 3.3.1 金字塔变换融合方法 |
| 3.3.2 融合规则方案 |
| 3.5 实验结果与分析 |
| 3.5.1 多聚焦图像融合实验 |
| 3.5.2 红外与可见光图像融合实验 |
| 3.5.3 医学图像融合实验 |
| 3.5.4 不同融合规则比较 |
| 3.5.5 实验小结 |
| 3.6 本章小结 |
| 第4章 基于小波变换的图像融合方法研究 |
| 4.1 引言 |
| 4.2 小波变换理论及其实现算法 |
| 4.2.1 连续小波变换 |
| 4.2.2 离散小波变换 |
| 4.2.3 多尺度分析概述 |
| 4.2.4 离散小波Mallat算法 |
| 4.3 基于小波变换的图像融合方法 |
| 4.4 基于小波子带邻域内相关系数与平均梯度的图像融合方法 |
| 4.4.1 融合规则方案 |
| 4.4.2 实验与结果分析 |
| 4.5 一种基于主分量变换与小波变换结合的遥感图像融合方法 |
| 4.5.1 融合规则方案 |
| 4.5.2 实验与结果分析 |
| 4.6 本章小结 |
| 第5章 基于Curverlet变换的图像融合方法研究 |
| 5.1 引言 |
| 5.2 Curvelet变换理论 |
| 5.2.1 Ridgelet变换 |
| 5.2.2 第一代Curvelet变换 |
| 5.2.3 第二代Curvelet变换 |
| 5.2.4 Curvelet变换与小波变换的比较 |
| 5.3 基于第一代Curvelet变换的遥感图像融合方法 |
| 5.3.1 融合规则方案 |
| 5.3.2 实验与结果分析 |
| 5.4 基于第二代Curvelet系数的改进能量对比度融合方法 |
| 5.4.1 Curvelet系数特征分析 |
| 5.4.2 基于第二代Curvelet变换的图像融合算法 |
| 5.4.3 改进的Curvelet系数能量对比度融合规则方案 |
| 5.4.4 实验与结果分析 |
| 5.5 基于第二代Curvelet改进IHS变换的遥感图像融合方法 |
| 5.5.1 融合规则方案 |
| 5.5.2 实验结果与分析 |
| 5.6 本章小结 |
| 第6章 非下采样Contourlet变换图像融合方法研究 |
| 6.1 引言 |
| 6.2 非下采样Contourlet变换 |
| 6.2.1 方向滤波器组 |
| 6.2.2 基于QFB的方向滤波器组构造方法 |
| 6.2.3 Contourlet变换 |
| 6.2.4 非下采样Contourlet变换 |
| 6.3 基于非下采样Contourlet系数的改进能量对比度融合方法 |
| 6.4 |
| 6.4.1 基于非下采样的Contourlet变换系数 |
| 6.4.2 融合规则方案 |
| 6.4.3 实验结果与分析 |
| 6.5 基于非下采样Contourlet系数注入的遥感图像融合方法 |
| 6.5.1 融合方法的提出 |
| 6.5.2 基于非下采样Contourlet变换系数注入融合算法 |
| 6.5.3 改进的基于非下采样Contourlet变换系数注入融合算法 |
| 6.5.4 实验结果与分析 |
| 6.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读博士学位期间完成的学术研究论文 |
| 附录B 攻读博士学位期间参与的科研项目 |
（4）多进制小波变换在测绘遥感图像融合中的应用（论文提纲范文）
| 引言 |
| 1 小波变换理论 |
| 1.1 小波变换 |
| 1.2 多进制小波变换 |
| 2 小波变换在遥感图像融合中的应用 |
| 2.1 基于RGB与小波变换的融合方法 |
| 2.2 基于多进制小波的融合方法 |
| 3 实验结果 |
| 4 结论 |
（5）基于多分辨率分析的图像融合技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 图像融合技术的研究背景 |
| 1.2 图像融合技术的研究意义 |
| 1.3 图像融合技术的研究现状 |
| 1.3.1 图像融合技术的研究层次 |
| 1.3.2 国内外研究现状 |
| 1.4 本文的主要工作及章节安排 |
| 2 基于多分辨率分析的图像融合原理 |
| 2.1 引言 |
| 2.2 多分辨率图像融合的原理 |
| 2.2.1 多分辨率图像融合的基本思想 |
| 2.2.2 图像的多分辨率分析表示 |
| 2.3 多分辨率图像融合的一般框架 |
| 2.3.1 图像的多分辨率分析模块 |
| 2.3.2 图像融合规则模块 |
| 2.4 图像融合的客观性能评价 |
| 2.5 本章小结 |
| 3 基于中值金字塔的图像融合 |
| 3.1 引言 |
| 3.2 传统金字塔变换方法 |
| 3.2.1 拉普拉斯金字塔变换 |
| 3.2.2 对比度金字塔变换 |
| 3.2.3 梯度金字塔变换 |
| 3.3 图像的中值金字塔变换 |
| 3.4 基于中值金字塔的图像融合算法 |
| 3.5 实验结果和性能评价 |
| 3.5.1 实验结果 |
| 3.5.2 性能评价 |
| 3.6 本章小结 |
| 4 基于区域分割和小波变换的多分辨率图像融合 |
| 4.1 引言 |
| 4.2 遥感图像的传统融合方法 |
| 4.2.1 IHS 变换融合方法 |
| 4.2.2 PCA 变换融合方法 |
| 4.3 图像的小波分解及重构 |
| 4.4 基于分水岭变换的多分辨率分割 |
| 4.5 基于区域分割的图像融合算法 |
| 4.5.1 区域分析 |
| 4.5.2 融合规则 |
| 4.6 实验结果和性能评价 |
| 4.6.1 实验结果 |
| 4.6.2 性能评价 |
| 4.7 本章小结 |
| 5 基于非子采样CONTOURLET 变换的图像融合 |
| 5.1 引言 |
| 5.2 非子采样CONTOURLET 变换理论 |
| 5.2.1 Contourlet 变换 |
| 5.2.2 非子采样Contourlet 变换 |
| 5.3 基于NSCT 的图像融合算法 |
| 5.3.1 低频子带的融合规则 |
| 5.3.2 高频方向子带的融合规则 |
| 5.4 实验结果和性能评价 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 论文总结 |
| 6.2 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及参加项目情况 |
（6）多源遥感信息融合研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文的背景和意义 |
| 1.2 国内外研究的历史、现状和发展 |
| 1.3 论文的主要工作 |
| 第二章 多源遥感信息融合理论 |
| 2.1 多源遥感信息 |
| 2.2 多源遥感信息融合 |
| 2.2.1 多源遥感信息融合的概念 |
| 2.2.2 多源遥感信息融合的层次 |
| 2.3 多源遥感信息的预处理 |
| 2.3.1 遥感图像的校正 |
| 2.3.2 遥感图像的配准 |
| 2.4 多源遥感信息融合的性能评价准则 |
| 2.5 本章小结 |
| 第三章 多源遥感信息融合算法研究 |
| 3.1 传统融合算法 |
| 3.1.1 IHS变换融合算法 |
| 3.1.2 PCA变换融合算法 |
| 3.1.3 HPF融合算法 |
| 3.1.4 金字塔融合算法 |
| 3.1.5 小波变换融合算法 |
| 3.1.6 小波包变换融合算法 |
| 3.2 改进的多源遥感信息融合算法 |
| 3.2.1 一种改进的基于MATLAB的直方图匹配算法 |
| 3.2.2 一种基于多通道滤波的小波包变换融合算法 |
| 3.3 本章小结 |
| 第四章 融合实验与结果评价 |
| 4.1 实验环境 |
| 4.2 实验数据 |
| 4.3 实验结果比较分析 |
| 4.3.1 直方图匹配算法比较 |
| 4.3.2 小波包变换融合过程比较 |
| 4.3.3 多种融合算法的融合结果分析 |
| 4.4 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 本文不足与展望 |
| 参考文献 |
| 攻读硕士期间发表的论文及所取得的研究成果 |
| 致谢 |
（7）小波理论在遥感图像融合中应用（论文提纲范文）
| 1 小波变换理论 |
| 1.1 小波变换 |
| 1.2 小波包变换 |
| 1.3 多进制小波变换 |
| 2 小波变换在遥感图像融合中的应用 |
| 2.1 基于RGB与小波变换的融合方法 |
| 2.2 基于Brovey与小波变换的融合方法 |
| 2.3 基于PCA与小波变换的融合方法 |
| 2.4 基于IHS与小波变换的融合方法 |
| 2.5 基于小波包变换的融合方法 |
| 2.6 基于最优树分解的融合方法 |
| 2.7 基于多进制小波的融合方法 |
| 3 实验结果 |
| 4 结论 |
（8）基于IHS-WT和区域能量的遥感图像二次融合方法（论文提纲范文）
| 目录 |
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 图像融合的概念与研究意义 |
| 1.2 国内外的研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文研究工作与内容安排 |
| 1.4 本文工作的创新点 |
| 第二章 遥感图像融合评价方法 |
| 2.1 定性评价 |
| 2.2 定量评价 |
| 第三章 传统图像融合方法和规则 |
| 3.1 图像融合方法分类 |
| 3.2 传统的图像融合算法 |
| 3.2.1 加权平均融合方法 |
| 3.2.2 Brovey变换融合法 |
| 3.2.3 IHS变换融合法 |
| 3.2.4 PCA融合法 |
| 3.2.5 高频制融合法 |
| 3.2.6 基于残差的融合法 |
| 3.2.7 实验与分析 |
| 3.2.7.1 实验一 |
| 3.2.7.2 实验二 |
| 3.3 几种典型的融合规则 |
| 3.3.1 取大融合规则 |
| 3.3.2 平均或加权平均融合规则 |
| 3.3.3 基于边缘选择的融合规则 |
| 3.3.4 区域融合规则 |
| 3.3.5 基于区域能量的融合规则 |
| 3.3.6 实验三与分析 |
| 第四章 基于小波变换的图像融合方法 |
| 4.1 图像的小波变换融合的原理 |
| 4.2 小波基和尺度系数的优选 |
| 4.3 小波分解层数的优选 |
| 4.4 小波高、低频系数融合规则的优选 |
| 第五章 基于IHS_WT和区域能量的二次融合方法 |
| 5.1 IHS_FFT方法 |
| 5.2 IHS_WT方法 |
| 5.3 基于IHS_WT和区域能量的二次融合方法 |
| 5.4 实验与分析 |
| 5.4.1 实验四 |
| 5.4.2 实验五 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 讨论与展望 |
| 参考文献 |
| 致谢 |
（9）基于小波包移频算法的遥感图像融合技术（论文提纲范文）
| 1 小波包分析 |
| 2 小波包移频算法 |
| 3 遥感图像融合实验及结果分析 |
| 4 结 语 |
（10）基于多分辨率分析的遥感图像融合算法研究（论文提纲范文）
| 提要 |
| 第1章 绪 论 |
| 1.1 遥感图像融合的研究背景 |
| 1.2 研究现状 |
| 1.3 主要内容及章节安排 |
| 第2章 基于多分辨率分析的遥感图像融合原理及评价标准 |
| 2.1 引言 |
| 2.2 IHS 变换法 |
| 2.3 基于多分辨率分析的遥感图像融合原理及步骤 |
| 2.4 图像融合效果评价 |
| 2.5 本章小结 |
| 第3章 基于MALLAT 小波变换的遥感图像融合算法 |
| 3.1 引言 |
| 3.2 小波多分辨率分析与图像的MALLAT 小波变换 |
| 3.3 常用的基于MALLAT 小波变换的融合算法 |
| 3.4 基于MALLAT 小波变换的梯度选择加权融合新算法 |
| 3.5 仿真结果及性能分析 |
| 3.6 本章小结 |
| 第4章 基于àTROUS 小波变换的遥感图像融合算法 |
| 4.1 引言 |
| 4.2 àTROUS 小波多分辨率分析原理 |
| 4.3 基于àTROUS 小波变换的小波附加法WA |
| 4.4 改进的WA 融合算法 |
| 4.5 仿真结果及性能分析 |
| 4.6 本章小结 |
| 第5章 基于àTROUS-CONTOURLET 变换的遥感图像融合算法 |
| 5.1 引言 |
| 5.2 CONTOURLET 变换理论 |
| 5.3 àTROUS-CONTOURLET 变换 |
| 5.4 基于àTROUS-CONTOURLET 变换的融合算法 |
| 5.5 本章小结 |
| 第6章 结束语 |
| 6.1 主要工作和创新之处 |
| 6.2 研究工作展望 |
| 参考文献 |
| 摘要 |
| ABSTRACT |
| 攻读硕士期间发表或录用的论文 |
| 致谢 |
| 导师及作者简介 |
四、IHS小波包活性测度融合SAR与TM图像（论文参考文献）
- [1]基于曲波活性测度的SAR与多光谱图像融合[J]. 路雅宁,郭雷,李晖晖. 计算机应用研究, 2012(11)
- [2]一种光谱信息保持的影像融合算法研究[J]. 邓伟,郭春凯,尤辉. 测绘与空间地理信息, 2012(07)
- [3]多尺度变换的图像融合方法与应用研究[D]. 蒋年德. 湖南大学, 2010(08)
- [4]多进制小波变换在测绘遥感图像融合中的应用[J]. 刘光博,王晓梅,马泉池. 化学工程与装备, 2010(01)
- [5]基于多分辨率分析的图像融合技术研究[D]. 沈洁. 扬州大学, 2009(12)
- [6]多源遥感信息融合研究[D]. 贺养慧. 中北大学, 2009(11)
- [7]小波理论在遥感图像融合中应用[J]. 王胜利,余学祥,杨然. 北京测绘, 2008(03)
- [8]基于IHS-WT和区域能量的遥感图像二次融合方法[D]. 王净. 南京信息工程大学, 2008(09)
- [9]基于小波包移频算法的遥感图像融合技术[J]. 张登荣,张霄宇,俞乐,刘辅兵. 浙江大学学报(工学版), 2007(07)
- [10]基于多分辨率分析的遥感图像融合算法研究[D]. 罗丽. 吉林大学, 2007(02)