Academic Journal
Spatial, temporal and spectral satellite image fusion via sparse representation.
| Τίτλος: | Spatial, temporal and spectral satellite image fusion via sparse representation. |
|---|---|
| Συνεισφορές: | Song, Huihui (author.), Huang, Bo , active 2014 (thesis advisor.), Chinese University of Hong Kong Graduate School. Division of Geography and Resource Management, (degree granting institution.) |
| Έτος έκδοσης: | 2014 |
| Συλλογή: | The Chinese University of Hong Kong: CUHK Digital Repository / 香港中文大學數碼典藏 |
| Θεματικοί όροι: | Remote sensing, Resolution (Optics)--Data processing, Image processing--Digital techniques |
| Περιγραφή: | 为了监测以及分析全球或者局部范围内发生的气候变化、生态系统动态以及人类活动，遥感是不可或缺的重要工具。在过去的二十年间，随着众多应用领域对遥感数据需求的增长以及太空技术的发展，卫星传感器发射的数目一直在增加。然而，由于硬件技术和经济方面的制约，卫星传感器获取遥感数据时不得不在空间分辨率和其他数据属性之间进行平衡，包括时间分辨率、光谱分辨率、扫描宽度等。为了使得卫星数据同时兼备高空间分辨率和高时间分辨率或者高空间分辨率和高光谱分辨率，一种经济有效的方法是利用数据融合处理技术将多源遥感数据进行融合，从而提高可用遥感数据的应用潜力。在本论文中，我们提出利用稀疏表示理论来探索空间分辨率和时间分辨率的融合以及空间分辨率和光谱分辨率的融合。 ; 以Landsat ETM+（空间分辨率为30米，时间分辨率为16天）和MODIS（空间分辨率为250米~1千米，重访周期为1天）的反射率融合为例，我们提出两种时空融合方法将Landsat图像的精细空间细节和MODIS图像的每天重访周期进行结合。这两种传感器捕获的反射率值在相应的波段具有可比性，受这一事实启发，我们提出在已知的Landsat-MODIS图像对上将它们的空间信息建立对应关系，然后在预测日期将Landsat图像从相应的MODIS图像中预测出来。为了有效地从先验图像中学习空间细节信息，我们基于稀疏表示理论对Landsat和MODIS图像分别建立一个冗余字典来提取它们的基本表示基元。在两对先验Landsat-MODIS图像场景下，我们通过从先验图像对中学习一个高-低分辨率字典对，在ETM+和MODIS的差图像间建立对应关系。在第二个融合场景下，即只有一对先验Landsat-MODIS图像对，我们通过一个图像降质模型直接连接ETM+和MODIS数据；在融合阶段，结合高通调制MODIS图像在一个两层融合框架下被提高分辨率从而得到融合图像。值得注意的是，本论文提出的时空融合方法对于物候变化和地物类型变化形成了一个统一的融合框架。 ; 基于本文提出的时空融合模型，我们提出对中国深圳的土地利用/覆盖变化进行监测。为了达到合理的城市规划和可持续发展，深圳作为一个快速发展的城市面临着检测快速变化的问题。然而，这一地区的多云多雨天气使得获得高质量的遥感图像的周期比卫星的正常重访周期更长。时空融合方法可以处理这一问题，其通过提高具有低空间分辨率而频繁时间覆盖图像的空间分辨率来实现检测快速变化。通过选定两组分别具有年纪变化和月份变化的Landsat-MODIS数据，我们将本文提出的时空融合方法应用于检测多类变化的任务。 ; 随后，基于字典对学习和稀疏非负矩阵分解，我们对于遥感多光谱和高光谱图像提出一种新的空谱融合方法。通过将高光谱图像 (具有低空间分辨率和高光谱分辨率，简称为LSHS)的光谱信息和多光谱图像（具有高空间分辨率和低光谱分辨率，简称为HSLS）的空间信息进行结合，本方法旨在产生同时具有高空间和高光谱分辨率的融合数据。对于高光谱数据，其每个像素可以表示成少数端元的线性组合，受这一现象启发，本方法首先充分利用LSHS数据中的丰富光谱信息提取LSHS和HSLS图像的光谱基元。由于这些光谱基元可以分别对应地表示LSHS和HSLS图像的每个像素光谱，我们将这两类数据的基元形成一个字典对。接着，我们将HSLS图像关于其对应的字典进行稀疏表示求得其表示系数，从而对LSHS图像进行空间解混。结合LSHS数据的光谱基元和HSLS数据的表示系数，我们可以最终得到具有LSHS数据的光谱分辨率和HSLS数据的空间分辨率的融合图像。 ; Remote sensing provides good measurements for monitoring and further analyzing the climate change, dynamics of ecosystem, and human activities in global or regional scales. Over the past two decades, the number of launched satellite sensors has been increasing with the development of aerospace technologies and the growing requirements on remote sensing data in a vast amount of application fields. However, a key technological challenge confronting these sensors is that they tradeoff between spatial resolution and other properties, including ... |
| Τύπος εγγράφου: | text |
| Περιγραφή αρχείου: | electronic resource; remote; 1 online resource (xvi, 110 leaves) : illustrations (some color), color map; computer; online resource |
| Γλώσσα: | English Chinese |
| Relation: | cuhk:1077715; http://library.cuhk.edu.hk/record=b6116265 |
| Διαθεσιμότητα: | http://library.cuhk.edu.hk/record=b6116265 https://repository.lib.cuhk.edu.hk/en/item/cuhk-1077715 |
| Rights: | Use of this resource is governed by the terms and conditions of the Creative Commons “Attribution-NonCommercial-NoDerivatives 4.0 International” License (http://creativecommons.org/licenses/by-nc-nd/4.0/) |
| Αριθμός Καταχώρησης: | edsbas.ADD97A2A |
| Βάση Δεδομένων: | BASE |
καταχωρήστε σχόλιο πρώτοι!