基于小波变换和WNMF的图像融合方法研究的中期报告.docx

基于小波变换和WNMF的图像融合方法研究的中期报告
一、研究背景
随着遥感技术的快速发展，获取的遥感图像越来越多，数据量越来越大。如何将遥感图像信息进行融合，提取出更多有用信息，成为遥感图像处理领域的研究热点之一。目前，图像融合方法主要分为传统方法和基于深度学习的方法两类。传统方法主要包括像素级融合、变换域融合和特征级融合等，但这些方法在复杂场景下无法充分利用多源图像的特征信息；而深度学习方法在数据集较大，任务较复杂时效果较好，但需要大量训练数据和高性能的计算资源。
本次研究选取小波变换和WNMF（半监督稀疏表示）相结合的方法，对多源遥感图像进行融合，旨在提高图像融合质量和运算速度。
二、研究内容
1.小波变换
小波变换是一种多尺度分析方法，可以将信号分解成不同频率段的小波系数，从而对信号的时频特征进行分析。在本次研究中，选取小波变换作为对图像进行分解的方法，实现对图像的特征提取和分解。
2.WNMF（半监督稀疏表示）
稀疏表示是一种将信号表示为原子线性组合的方法，其中每一个原子都对应一个特定的特征。稀疏表示正则化后可用于降维、分离、分类等多个目的。在本次研究中，选取WNMF（半监督稀疏表示）的方法对小波变换后的图像进行降维分解，提取图像的核心特征信息。
3.图像融合
将多源遥感图像通过小波变换和WNMF分解后得到的特征信息进行融合，完成对多源图像的融合。
三、研究意义和预期成果
本次研究选取小波变换和WNMF相结合的方法对多源遥感图像进行融合，将对多源遥感图像的融合技术进行探索和研究。预期的研究成果是一种高效、准确的多源遥感图像融合方法，具有广泛的应用前景和研究意义。