遥感图像的多分辨率分析融合算法研究的中期报告.docxVIP

遥感图像的多分辨率分析融合算法研究的中期报告

一、研究背景

遥感技术是获取地球表面信息的重要手段之一，而多分辨率遥感数据则是遥感数据的重要组成部分。多分辨率遥感数据包括高分辨率遥感数据和低分辨率遥感数据，两种数据的分辨率差异比较大。在遥感应用中，高分辨率遥感数据能提供丰富详细的地物信息，而低分辨率遥感数据则能提供广阔的地理范围信息，因此多分辨率遥感数据的融合分析在遥感应用中有着广泛的应用。

二、研究内容以及研究进展

本次研究主要针对遥感图像的多分辨率分析融合算法进行研究。具体研究内容包括以下几方面：

1.高分辨率遥感数据与低分辨率遥感数据的融合

高分辨率遥感数据与低分辨率遥感数据之间存在着分辨率差异，因此在融合过程中需要考虑分辨率的影响因素。当前常用的融合算法有PCA算法、Brovey变换、IHS变换等，但这些方法存在诸多局限，如分辨率变换不尽如人意、色彩失真、图像细节信息丢失等问题，因此需要寻找新的融合算法。

当前，我们尝试使用深度学习技术来开展遥感图像的融合算法研究，主要方法包括卷积神经网络（CNN）等深度学习模型。通过构建深度学习模型，我们可以将高分辨率遥感数据与低分辨率遥感数据进行融合，得到具备高分辨率和广阔视野两种优势特点的遥感图像。

2.多分辨率遥感图像的分析与识别

多分辨率遥感图像是由高分辨率遥感数据和低分辨率遥感数据进行融合得到的，因此其在地物识别方面具有很大的