基于Contourlet变换的遥感图像融合

利用Contourlet变换的多尺度、局部化、方向性和各向异性等优点,提出了一种基于Contourlet变换的遥感多光谱与全色波段图像融合新算法。算法首先对多光谱图像进行IHS变换,然后将多光谱的I分量和全色图像进行Contourlet分解,进而在不同子带中进行图像融合,低频采用一种新的基于形态学梯度算子的边缘信息融合算法,高频采用区域标准方差融合并使用形态学进行一致性检测,最后将得到的灰度融合图像进行线性拉伸并替代原来的I分量,进行IHS反变换后得到最终的融合图像。实验结果表明,与传统的图像融合算法相比,该算法能够更有效地融合源图像信息,保持源图像特征。     

Contourlet变换与粒子群优化相耦合的遥感图像融合方法

为有效优化融合图像中多光谱特性的保持和空间信息的保留,提出一种结合Contourlet变换与粒子群优化算法的遥感图像融合方法。通过设定粒子群优化算法的目标适应度函数,使其依赖于融合结果图像的客观评价指标,并自适应地获取低频子带的最优加权系数和高频子带间结构相似度阈值的最优值,从而得到优化的融合图像。首先将全色图像和多光谱图像的亮度I分量分别进行Contourlet变换,根据分解后的低频系数和高频系数不同的特征信息,在低频系数上以信息熵与相对偏差的差值作为目标适应度函数,采用优化算法自适应地寻找最优加权系数进行融合;在高频系数上以结构相似度作为目标适应度函数,搜索结构相似度的最优阈值p,再采用基于区域结构相似度的融合规则进行融合;最后经Contourlet和IHS逆变换得到融合图像。仿真实验结果表明:提出的方法能很好地兼顾多光谱图像光谱信息的保持和全色图像空间信息的保留。     

非下采样Contourlet变换和脉冲耦合神经网络相结合的遥感图像融合方法

为最优保留多光谱图像光谱信息的同时,最大限度地融入全色图像的高空间信息,该文提出了一种基于非下采样Contourlet(非自适应方向多尺度分析方法)变换和脉冲耦合神经网络相结合的图像融合的方法。根据目标融合区域地物的空间分布特点,将目标融合区域划分为边缘区域和非边缘区域,并对全色图像和多光谱图像I分量在非边缘区域进行空间域融合,融入更多多光谱图像的光谱信息。然后,对多光谱图像I分量和空间域融合后的图像进行非下采样Contourlet变换,在低频子带和高频子带分别采用区域能量和空间频率作为源图像的原始信息,驱动脉冲耦合神经网络以每个像元的点火数作为活跃性测量,对图像进行融合。实验结果表明:该算法在非边缘区很好地保持了多光谱图像的光谱信息,在边缘区融入了更多的全色图像的空间细节信息,提高了融合图像的空间分辨率。     

基于NSCT的遥感图像模糊推理融合算法

针对遥感图像影像分辨率低的问题,提出了一种新的基于非下采样Contourlet变换的图像融合算法.该算法首先通过IHS变换对多光谱图像进行RGB-IHS颜色空间转换,然后利用非下采样Contourlet变换和模糊推理加权融合规则将强度分量与全色图像进行融合,最后用拉伸后的灰度融合图像替换原来的强度分量,并通过IHS逆变换得到最终的融合网像.实验结果表明,该方法在抑制光谱信息扭曲和提高图像清晰度等客观评价参数上均优于其他多分辨率分析方法,且克服了传统融合方法中存在的融合图像模糊、抗噪能力差的缺点.     

基于改进NSCT和IHS变换的遥感影像融合方法

目的 为了增强多光谱和全色影像融合质量,提出基于脉冲耦合神经网络（PCNN）的非下采样Contoulet变换（NSCT）和IHS变换相结合的融合方法。方法 先对多光谱图像进行IHS变换提取亮度I分量,采用主成分分析增强I分量得到新的I+分量;然后通过NSCT变换分别对I+分量和全色图像进行分解,并采用边缘梯度信息激励的PCNN得到融合图像的低频和高频分量;最后进行NSCT逆变换、IHS逆变换得到融合图像。结果 利用资源一号02C卫星数据进行实验,结果表明该算法在保留光谱信息的同时提高了图像空间分辨率,获得了较好的融合效果。结论 结合NSCT和IHS变换的融合方法在视觉效果和客观评价指标上都优于常用的图像融合方法。     

基于改进Contourlet变换的遥感图像融合算法

针对基于Contourlet变换的遥感融合图像空间分辨率较低的问题,提出了一种基于改进的Contourlet变换(MCT)的遥感图像融合方法。首先,对多光谱图像进行亮度-色调-饱和度(IHS)变换,得到其亮度、色调、饱和度三个分量;其次,取多光谱图像的亮度分量,与直方图匹配后的全色图像进行改进的Contourlet变换,分别获得低频子带系数与高频子带系数;然后,对低频子带系数采用平均法进行融合,对高频子带系数采用新改进的拉普拉斯能量和(NSML)作为融合规则进行融合;最后,把融合结果作为多光谱图像的亮度分量,通过IHS逆变换得到融合的遥感图像。将所提方法与基于主成分分析(PCA)和Shearlet的方法、基于PCA与小波的方法以及基于非下采样Contourlet变换(NSCT)的方法相比,所提方法在清晰度评价指标平均梯度上分别提高了7.3%、6.9%和3.9%。实验结果表明,所提方法提高了Contourlet变换的频率局部化特性和分解系数利用率,在保持多光谱信息的基础上,有效地提高了遥感融合图像的空间分辨率。     

基于NSCT和自适应PCNN的遥感图像融合方法

以全色和多光谱遥感图像为研究对象,提出一种基于非下采样Contourlet变换(NSCT)和自适应脉冲耦合神经网络(PC-NN)的遥感图像融合方法;该方法首先对全色图像和进行过IHS变换的多光谱图像的亮度分量进行NSCT变换,得到低频子带系数和各带通子带系数;其次对低频子带系数采取一种基于边缘的方法以得到融合图像的低频子带系数;然后采用以各带通子带系数的梯度作为PCNN的链接强度β的PCNN图像融合方法来确定融合图像的各带通子带系数;最后经过NSCT逆变换和IHS逆变换得到融合图像;实验结果表明,此方法更好地保留了原遥感图像中的有用信息,并提高了融合图像的质量。     

基于PCA和NSCT的多光谱图像和全色图像的融合

研究了主分量分析（PCA）和非下采样Contourlet变换（NSCT）,提出一种新的多光谱图像和全色图像的融合算法。该方法对多光谱图像进行PCA变换,对所得的第一主分量（PC1）以及全色图像进行NSCT变换。对二者的低频近似系数再次进行PCA变换以寻求多光谱信息和空间信息的平衡;对于高频细节系数,通过结构相似性指标（SSIM）和局部Sobel梯度进行融合,进一步提高空间信息量;经过逆NSCT和逆PCA变换得到融合图像。实验结果表明,提出的方法在增强融合图像空间细节表现能力的同时,尽可能地保留了多光谱图像的光谱信息,优于传统的基于IHS、PCA、小波变换和Contourlet变换的融合方法,是有效可行的。     

非下采样Contourlet变换耦合区域信息特征的遥感图像融合算法

当前遥感图像融合算法主要是通过图像的能量信息来完成低频系数的融合,忽略了图像的光谱信息特征,导致融合图像中存在光谱扭曲等不足。设计基于非下采样Contourlet变换与区域信息特征的遥感图像融合算法。引入HSV(Hue,Saturation,Value)变换,从多光谱图像中提取亮度分量。采用非下采样Contourlet变换,对全色图像与多光谱图像的亮度分量进行分解,获取图像的低频系数与高频系数。联合低频系数的区域能量以及信息熵特征,构造低频系数的融合模型,完成低频信息的融合。通过高频系数的区域方差相似度,建立高频系数融合规则,对高频系数完成融合。通过非下采样Contourlet逆变换与HSV逆变换,获取融合图像。实验结果表明,与当前遥感图像融合方法相比,该算法的融合图像具有更好的光谱与空间特性。     

采用梅花采样方向滤波器组的多光谱图像融合

利用梅花采样方向滤波器能够提供丰富的方向信息的特点,提出了一种基于此方向滤波器组的多光谱图像融合方法。该方法通过IHS变换,将多波段影像从RGB空间转换到IHS空间,对I分量及全色影像进行梅花采样方向滤波器变换,得到相应的低频子图像和高频不同方向的子图像,将它们按一定的融合规则得到新的I分量,通过IHS逆变换得到RGB融合图像。实验结果表明,该方法在图像边缘等细节上有较好的视觉效果,取得了优于IHS方法和基于梅花形采样离散小波变换方法的融合效果。     

改进NSCT和IHS变换相结合的遥感影像融合

目的 目的为了增强多光谱和全色影像融合质量,提出基于脉冲耦合神经网络（PCNN）的非下采样Contoulet变换（NSCT）和IHS变换相结合的融合方法。方法 先对多光谱图像进行IHS变换提取亮度I分量,采用主成分分析增强I分量得到新的I⁺分量;然后通过NSCT变换分别对I⁺分量和全色图像进行分解,并采用边缘梯度信息激励的PCNN得到融合图像的低频和高频分量;最后进行NSCT逆变换、IHS逆变换得到融合图像。结果 利用资源一号02C卫星数据进行实验,结果表明该算法在保留光谱信息的同时提高了图像空间分辨率,获得了较好的融合效果。结论 结合NSCT和IHS变换的融合方法在视觉效果和客观评价指标上都优于常用的图像融合方法。     

Multi-sensor data fusion using NIHS transform and decomposition algorithms

Multi-spectral image fusion is to enhance the details present in multi-spectral bands with the spatial information available in the panchromatic image. Fused images have the effect of spectral distortions and lack of structural similarity. To overcome these limitations, three methods are proposed using intensity, hue, saturation (IHS) and nonlinear IHS (NIHS) transform along with the Dynamic Mode Decomposition (DMD) and 2D-Empirical Mode Decomposition (2D-EMD or IEMD). An intensity plane is calculated from the NIHS transform. The modes are constructed using DMD by considering the variations between the intensity plane computed using NIHS transforms of a low resolution multi-spectral image and a panchromatic image. Similarly, 2D-EMD is also used for image fusion. Modes are subjected to weighted fusion rule to get an intensity plane with spatial and edge information. Finally, the calculated intensity plane is concatenated along with the hue and saturation plane of low-resolution multi-spectral image and transformed into RGB color space. Thus, the fused images have high spatial and edge information on spectral bands. The experiments and its quality assessment assure that proposed methods perform better than the existing methods.     

基于训练字典的遥感图像融合

为了提高多光谱图像与全色图像的融合质量,利用稀疏表示理论,提出了一种基于训练字典的融合算法。该算法对多光谱图像的亮度分量进行亮度平滑滤波（SFIM）得到新的亮度分量,利用图像块随机采样学习得到的训练字典对全色图像和新的亮度分量进行稀疏表示,采用空间频率取大的融合规则对稀疏系数进行融合,通过重构和IHS逆变换得到融合结果。对不同场景、不同卫星的多光谱图像和全色图像进行实验,结果表明,该方法能在提高空间分辨率的同时更好地保持光谱特性。     

一种基于特征量积的遥感图像融合方法

提出了一种基于特征量积的遥感图像融合方法。以目前卫星遥感领域最常见的传感器图像、多光谱图像和全色图像为例,首先对多光谱图像作IHS变换,并对全色图像和多光谱图像的亮度分量I进行小波分解,得到不同分辨率下的小波系数特征,然后根据特征量积判决准则对多光谱图像的I分量与全色图像进行特征融合,并对高频域融合规则进行一致性检测,进而用融合结果替代多光谱图像的亮度分量I,最后,作IHS反变换得到融合图像。实验结果表明,融合图像既显著地融入了高空间分辨率图像的细节信息,又有效地保留了多光谱图像的光谱信息,同时信息丰富程度增加,从而使融合图像在保持光谱信息和提高空间分辨率两个方面的综合性能达到很好的平衡。     

小波变换和稀疏表示相结合的遥感图像融合

针对多光谱图像与全色图像的融合,提出一种结合小波变换和稀疏表示的融合算法.该算法充分利用小波变换具有保持光谱信息这一优势,首先对多光谱图像进行IHS (intensity-hue-satuation)变换,然后对亮度分量和全色图像进行单层小波变换,得到对应的高低频系数.分析高低频系数的特征,对于不能认为是“稀疏”的低频系数采用稀疏表示进行融合;对于可以认为是“稀疏”的高频系数采用图像信息融合规则进行融合.最后进行小波逆变换和IHS逆变换得到融合结果.实验结果表明,该算法最大限度地保留了光谱信息,并提高了空间分辨率.     

一种基于IHS和DWT变换的遥感图像融合方法

为了更好地进行不同分辨率图像的融合,提出了一种在Maflab平台上实现基于IHS变换与离散小波变换相结合的多光谱图像与高分辨率图像融合方法.实验结果分析表明,得到的融合图像与原多光谱图像相比,细节信息更为突出,整体信息更为丰富,基本达到了提高融合增强的目的.     

基于区域特性选择的多传感器图像融合

提出了一种提升小波变换和IHS变换相结合的多传感器图像融合新算法,首先,将高分辨力图像所有的低频特征融合到多光谱图像中,再对高分辨力图像经提升小波分解得到的各提升小波面叠加的边缘信息进行区域划分,采用边缘有效因子融合思想进行分区融合,最后,对提升小波反变换后的强度分量进行IHS反变换得到最终的融合图像。实验结果表明:该方法所得融合图像能够较好地保留多光谱图像的光谱信息的同时,提高了图像的空间分辨力,融合效果优于IHS变换法和小波变换法。