一种利用卷积神经网络重建的遥感影像Curvelet融合方法.docxVIP

一种利用卷积神经网络重建的遥感影像 Curvelet 融 合方法 摘 要： 利用遥感技术获取了大量的地表信息，遥感图像的有效处理和综合利用对于地球科学领域的发展和资源管理具有重要意义。本文提出了一种利用卷积神经网络重建的遥感影像 Curvelet 融合方法。该方法首先将多源遥感图像进行 Curvelet 变换，对多源遥感图像进行分解，得到 Curvelet 系数矩阵。然后以融合质量评价指标 SSIM 为优化目标，通过卷积神经网络进行重建，最终得到融合后的遥感图像。实验结果表明，该方法的融合效果明显优于传统的 Curvelet 融合方法。 关键词：遥感图像；Curvelet 变换；卷积神经网络；重建；融合质量评价指标 Abstract: Remote sensing technology has been used to acquire large amounts of surface information, and the effective processing and comprehensive utilization of remote sensing images are of great significance for the development of earth science and resource management. In this paper, we propose a method for fusing remote sensing images based on the reconstruction of a convolutional neural network using Curvelet transforms. The method first applies Curvelet transform to multiple remote sensing images to obtain the Curvelet coefficient matrix. Then, the convolutional neural network is trained to reconstruct the original image with the fusion quality evaluation metric SSIM as the optimization target. Finally, the fused remote sensing image is obtained. Experimental results show that the proposed method achieves better fusion quality than traditional Curvelet fusion methods. Keywords: remote sensing image; Curvelet transform; convolutional neural network; reconstruction; fusion quality evaluation metric 引言： 近年来，人们对于遥感技术的应用越来越广泛，遥感图像的处理和 分析成为了地学领域中的一个热门研究方向。遥感图像具有丰富的信息，包括地表覆盖、地形等，而多源遥感图像的融合可以更全面地提供信息，尤其在资源管理以及环境监测等方面具有广泛应用。 遥感图像的融合方法有很多种，其中基于变换的融合方法因其所能提取的图像特征最具有代表性。Curvelet 变换是近年来提出的一种新的多尺度分析方法，能更好地表征不同尺度下的局部结构特征。基于 Curvelet变换的遥感图像融合方法已经被广泛研究。另一方面，卷积神经网络被广泛应用于图像重建和处理领域，因其强大的特征提取能力，可以提高图像的处理精度。 本文结合 Curvelet 变换和卷积神经网络，提出一种利用卷积神经网 络重建的遥感影像 Curvelet 融合方法。利用 Curvelet 变换提取图像特征，并通过卷积神经网络重建融合图像，得到更准确的融合结果。 材料与方法： 采集遥感图像数据 通过遥感技术获取到卫星图像和航拍图像，并进行了预处理，包括 图像的扫描、投影等。得到了四幅遥感图像，分别为高分辨率彩色图像、高分辨率红外图像、低分辨率彩色图像和低分辨率红外图像。 Curvelet 变换 对于输入的多源遥感图像，分别进行 Curvelet 变换，并进行分解，得到每个小波尺度下的系数矩阵。 卷积神经网络的设计 卷积神经网络是一种经典的神经网络结构，可用于图像重建和处理。基于卷积神经网络的遥感影像融合方法由多个卷积层、池化层、全连接 层和最终的输出层组成。本文中采用了经典的 U-Net