基于多小波变换的图像融合研究

多小波是小波理论的扩展，在图像处理方面具有单小波所不具有的优点。它能够为图像提供一种比小波多分辨分析更加精确的分析方法。在研究了多小波变换的特性后，提出了一种基于离散多小波变换的图像融合方法，并将由不同传感器获得的不同分辨率的遥感图像数据利用此方法进行了融合。这种方法不仅能够完好地显示源图像各自的信息，而且能很好地将源图像的细节融合在一起。通过实验结果证明，采用这种方法可以得到更好的融合效果。     

多小波变换在遥感图像融合中的应用

介绍了多小波理论及对图像进行多小波分解和重构的方法,以全色(PAN)和多光谱(TM)遥感图像融合为例,提出了一种基于多小波变换的遥感图像融合方法。通过Matlab编程实验,比较了db4小波及Smooth、GHM和CL三种多小波的融合效果。     

基于IHS变换与小波变换的遥感图像融合

针对多光谱图像与全色图像的融合，本文提出了一种基于IHS变换和小波变换的遥感图像融合方法。新方法首先对多光谱图像作IHS变换，得到亮度I，色度H，饱和度S三个分量；其次，利用小波变换融合方法融合多光谱图像的亮度分量与全色图像，并用融合后的图像替代多光谱图像的亮度分量；最后，作IHS反变换得到新的多光谱图像。主观视觉效果分析和客观统计参数评价分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法和PCA变换融合方法，不仅较大地增强了融合图像的空间细节表现能力，而且很好地保留了多光谱图像的光谱信息。     

基于HSV变换与小波变换的遥感图像融合

在IHS变换与小波变换相结合的图像融合法的基础上提出了一种近似的图像融合方法,即基于HSV色彩空间模型与小波变换的图像融合法.传统的IHS变换融合法会产生较大的光谱失真和退化现象,而基于HSV色彩空间变换的融合法则较好的保留了多光谱信息,通过将HSV色彩模型与小波变换相结合,使得融合图像无论在细节纹理还是多光谱信息上都得到了很好的保持.通过Matlab平台实验对比表明,新算法具有较好的融合效果,且优于IHS与小波变换融合法.     

基于小波变换的多源遥感图像的信息融合

图像融合是一种重要的增强图像信息的技术方法,如何对同一目标的多源遥感图像数据进行有效的融合,最大限度地利用多源遥感数据中的有用信息,提高系统的正确识别,判断和决策能力,这是遥感数据融合的重要内容之一,提出了一咱基于小波变换的融合方法,使得融合图像在最大限度保留了多波段光谱信息的同时,提高了清晰度和空间分辨率,并对实验结果运用MATLAB语言进行了仿真,从几个方面对结果做了深入的分析与对比,取得了良好的效果。》     

改进的小波变换在多源遥感图像融合中的应用

在分析方向可调的小波变换与不可分离小波变换的基础上,以全色SPOT和多光谱TM遥感影像为数据源,结合可调小波变换与不可分离小波变换的优点,借助Matlab与ERDAS IMAGINE等工具,实现了改进的方向可调的不可分离框架小波变换的遥感影像融合处理.该方法与传统的融合方法相比,具有不可分离小波变换和方向可调性等优点,对图像的多分辨率信息的刻画比较精细,既能保持多光谱图像的光谱信息,又能保持全色图像的空间分辨率特性,从而提高了对影像的解译能力.     

一种基于离散小波变换的遥感图像融合新算法

在图像融合过程中,融合算法及融合算子的选择对于融合的质量至关重要。目前广泛采用的基于单个像素的融合算法并不能令人满意,因为图像的局域特征往往是由多个像素共同表征的。文章采用了一种基于离散小波变换的新融合算法：首先,采用小波多分辨分析和马拉特快速算法,将原始图像分解成近似图像和细节图像,然后在各层的特征域上进行有针对性的融合,最后通过小波逆变换完成图像重建。     

基于小波包变换的遥感图象融合

为了能够更好地把来自多传感器的图象信息综合起来，以提高对图象信息的分析和提取能力，在研究了小波包图象分析法之后，提出了一种基于小波包变换的图象融合方法，由于小波包变换能对图象进行多层次分解，包括对小波变换没有细分的高频部分也能进行进一步的分解，因此小波包分析能够为图象提供一种比小波多分辨分析更加精细的分析方法，利用此融合算法将由多传感器获得的同一目标不同波段的遥感图象和不同分辨率的遥感图象进行融合后得到的融合图象，能够很好地将源图象的细节融合在一起，通过与该融合图象进行主观与客观的评价比较，证明该融合方法可以获得更好的融合效果。     

基于Contourlet变换的多聚焦图像融合

由于可见光成像系统的聚焦范围有限,很难获得同一场景内所有物体都清晰的图像,多聚焦图像融合技术可有效地解决这一问题。Contourlet变换具有多尺度多方向性,将其引入图像融合,能够更好地提取原始图像的特征,为融合图像提供更多的信息。该文提出了一种基于区域统计融合规则的Contourlet变换多聚焦图像融合方法。先对不同聚焦图像分别进行Contourlet变换．采用低频系数取平均,高频系数根据区域统计值决定的融合规则。再进行反变换得到融合结果。文中给出了实验结果．并对融合结果进行了分析比较,实验结果表明,该方法能够取得比基于小波变换融合方法更好的融合效果。     

基于Contourlet变换的多聚焦图像融合

由于可见光成像系统的聚焦范围有限,很难获得同一场景内所有物体都清晰的图像,多聚焦图像融合技术可有效地解决这一问题。Contourlet变换具有多尺度多方向性,将其引入图像融合,能够更好地提取原始图像的特征,为融合图像提供更多的信息。该文提出了一种基于区域统计融合规则的Contourlet变换多聚焦图像融合方法。先对不同聚焦图像分别进行Contourlet变换,采用低频系数取平均,高频系数根据区域统计值决定的融合规则,再进行反变换得到融合结果。文中给出了实验结果,并对融合结果进行了分析比较,实验结果表明,该方法能够取得比基于小波变换融合方法更好的融合效果。     

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。     

迭代离散Shearlet变换异类源遥感图像融合

Shearlet变换是一种多尺度几何分析算法,适用于遥感这类纹理丰富、边缘复杂的图像处理。提出了一种基于迭代离散Shearlet变换的图像融合算法,将源图像进行分解,得到图像的多尺度、多方向树型结构表示;对粗糙分量和带通细节分量分别采用不同的融合规,得到融合图像的树型结构表示;最后进行Shearlet反变换得到融合图像。仿真结果表明,提出的算法比基于Contourlet变换的图像融合算法有更好的效果,更有利于保留纹理和边缘信息。     

基于替换规则的对偶树复小波变换遥感影像融合*

针对对偶树复小波变换(DT-CWT)比离散小波变换具有更好的方向选择性、平移不变性,能更好地表征影像特征的优点,提出了基于替换规则的对偶树复小波变换遥感多光谱和全色影像融合算法。通过对IKONOS影像的实验表明,本方法比基于实数小波变换的融合方法和IHS变换法有优势,在保留了光谱特征的基础上,更好地提高了融合影像的清晰度,且方法简单高效。     

基于无下采样Contourlet变换的图像融合算法

针对目前最新发展的无下采样Contourlet变换,同时具有方向性、各向异性和平移不变性的特点,提出了一种新的基于无下采样Contourlet变换图像融合算法。首先对原始图像进行无下采样的Contourlet变换,得到高频和低频图像系数;然后根据它们的系数特性,采用一种新的加权融合规则对其进行融合。实验证明,此方法相对于传统的变换法,取得更优的融合结果。     

基于小波系数叠加的遥感图像融合法

在基于小波变换图像融合法的基础上提出了基于小波系数叠加的图像融合法。该方法首先将多光谱图像进行HSV（Hue,Saturation,Value）色彩空间变换,将V分量进行归一化得到V′,将V分量（取值范围为[0,255]）和归一化后的V′（取值范围为[0,1]）同全色图像一同进行小波分解,然后采用小波系数叠加策略进行融合,最后进行小波反变换和HSV反变换得到新的融合图像。实验结果证明该方法具有较好的融合效果。     

基于NSCT的红外与可见光图像融合

提出一种基于非下采样Contourlet变换的红外与可见光图像融合方法。该方法对源图像经非下采样Contourlet变换分解后的高频系数,考虑不同传感器的成像机理进行活性度量,并结合多分辨率系数间相关性来实现加权融合;低频系数则通过一种局部梯度进行活性度量,再采用加权与选择相结合的规则实现融合。最后,通过非下采样Contourlet逆变换重构获得融合图像。实验结果表明了该方法的有效性和可行性。     

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.     

遥感图像Contourlet变换域压缩融合

基于传统分块压缩感知(BCS)的图像融合中,由于空间域BCS采样缺乏考虑图像的全局特性,导致融合图像重构质量差,且存在分块效应。首先将输入图像在Contourlet变换(CT)域稀疏表示,并对CT分解系数进行分块压缩感知;再对压缩采样线性加权融合;最后用迭代阈值投影(ITP)方法重构融合图像,并消除分块效应。提出了基于Contourlet变换域分块压缩感知(CTBCS)的遥感图像压缩融合方法,并给出算法的详细实现流程。基于BCS和CTBCS进行压缩采样,再用ITP算法进行图像重构,仿真结果显示,与BCS相比,CTBCS采样有效考虑了图像的全局特性,基于CTBCS的ITP重构收敛速度更快,重构计算复杂度更小,重构精度更好,对应的重构图像峰值信噪比(PSNR)更高;实际资料测试结果表明,基于CTBCS的压缩融合效果比基于BCS的压缩融合效果更好,更接近常规CT融合效果。CTBCS压缩融合用较少量采样点获得与常规CT相比拟的融合结果,有效实现了大数据量遥感图像的压缩融合。