基于IHS变换与小波变换的图像融合

提出一种将IHS变换和小波变换相结合的图像融合算法,适用于多光谱图像和高分辨率图像的融合.算法首先对多光谱图像进行IHS变换,之后利用变换后得到的强度分量和高分辨图像具有较强的相关性的特点,在小波变换域进行图像融合,得到了同时具有较好的空间分辨率和光谱信息的融合图像.实验对比数据表明该方法具有较好的融合效果,融合图像优于传统的IHS变换法和传统小波变换方法.     

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.     

区域特征动态加权的IHS小波遥感图像融合

研究传统的IHS变换、小波变换和两者结合的图像融合方法,提出一种区域多元特征动态加权的IHS小波遥感图像融合算法。结合IHS变换和小波变换的优点,对匹配后的新全色分量和IHS变换后多光谱图像的亮度分量,采用多元特征动态加权法进行小波融合。实验结果表明,与传统融合算法相比,该算法在空间细节增强和光谱信息保持方面性能较优。     

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.     

一种基于提升小波变换和IHS变换的图像融合方法

为了将低分辨率多光谱图像和高分辨率全色图像进行有效融合,提出了一种提升小波变换和IHS变换相结合的图像融合新方法。该方法首先对高分辨率图像进行无下采样提升小波分解,利用提升分解得到的各提升小波面叠加的边缘信息进行区域划分,再采用分区域加边缘有效因子的融合思想实现分区融合,使得融合的图像最大限度地保留了多光谱图像的光谱信息和高分辨率图像的空间分辨率,其中区域的划分采用进化算法实现。该方法的融合结果与IHS法、小波变换法及其他改进方法进行比较,实验结果表明,该方法能较好地保留多光谱图像的光谱信息和提高分辨率图像的空间分辨率。     

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。     

基于高通滤波的多光谱图像融合方法*

提出了一种基于高通滤波的多光谱图像与高空间分辨率图像融合的方法.该算法首先对高空间分辨率图像进行高通滤波,然后将滤波后的图像与HIS正变换后的强度分量进行融合处理,再进行HIS 逆变换,得到最后的融合图像.通过将小波方法与HIS变换法的融合结果进行对比评价,表明了该方法在提高多光谱图像的空间细节表现能力和保持光谱信息上都有很好的效果.     

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。     

基于空间频率的图像融合方法

论文对多光谱图像和高分辨图像进行了融合。对多光谱图像进行IHS变换,利用变换后得到的强度分量和高分辨图像具有较强的相关性,在小波变换域进行图像融合。根据小波变换有三个方向的高频细节这一特点,提出了一种新的空间频率概念,基于这种空间频率进行图像融合,得到了同时具有较好的空间分辨率和光谱信息的融合图像。实验结果表明该方法得到的融合图像优于传统的IHS变换法和传统小波变换方法。     

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。     

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。     

树状小波局部对比度与图像融合及性能评估

针对红外热成像中目标识别和跟踪的特点,提出了一种基于树状小波变换的局部对比度融合算法,首先采用多尺度树状小波变换的方法对已配准的源图像在相应的能量准则下进行分解,克服了小波变换的移变性;对于分解后的低频子图像采用加权平均的融合规则,对于高频子图像采用局部对比度量测的融合规则,融合图像既保持了源图像的细节信息,又滤去了红外成像中的各类噪声。采用交叉分辨力评价算子量测红外图像中目标与背景的衬比度;通过仿真及基于客观的图像融合评价标准,分别从信息熵、标准差、平均梯度和交叉熵四个参数对图像融合效果进行评估,证明了对于双波段红外辐射图像的融合,提出的融合算法优于小波融合算法、形态学区域分割融合算法。算法尤其适用于红外热成像系统的目标识别和跟踪。     

基于IHS和小波变换的可见光与红外图像融合

针对红外与可见光图像所表现的目标特征不同,提出了一种基于IHS和小波变换的图像融合方法.首先对可见光图像进行IHS 变换得到亮度I、色度H、饱和度S 3个分量,再对红外图像进行灰度变换;然后对亮度分量和已变换红外图像进行小波分解,对低频分量和高频分量分别采用不同的融合规则;最后进行IHS逆变换得到融合图像.实验结果表明,该方法在红外与可见光图像融合处理中取得了很好的融合效果,优于传统的 IHS变换法和小波变换方法.该方法保留了可见光图像高的空间分辨率和丰富的纹理细节信息,同时融合了在可见光图像中看不到而在红外图像里可以观察到的热目标.     

高分辨率遥感图像小波融合算法研究

针对现有融合方法存在的光谱信息和空间细节信息不能较好兼顾的问题,提出了一种遥感图像小波融合算法。根据高分辨率遥感图像自身的空间尺度,采用多进小波分析技术较好地解决了不同尺度遥感图像空间细节的表达问题,同时利用基于方向能量统计量的自适应融合准则较好地解决了融合中的光谱信息保留问题。实验结果表明,该融合方法在保持全色图像的高空间分辨率的同时,提高了融合图像的光谱保持度。     

结合方向小波的多光谱与全色遥感图像融合算法

针对现有的遥感图像融合算法所得融合图像存在边缘清晰度不高与光谱保持能力较差等问题,根据方向小波变换的高效性与方向选择性,提出了一种结合方向小波的多光谱与全色遥感图像融合算法。该算法采用人眼的视觉特性首先对待融合图像进行预处理,并根据小波变换的分解特性,对低频子带小波系数采用基于能量比的图像融合规则,而对高频子带则采用基于纹理一致性的融合规则。实验结果表明:该算法能够在保留多光谱图像信息的基础上,得到清晰度较高的融合图像,其中对中等分辨率图像的融合处理效果最佳。     

遥感图像融合方法研究

为了使融合图像在高空间分辨率的基础上较好地保留光谱信息,研究了高分辨率图像和多光谱图像中的高频信息的关系;在基于小波变换的图像融合方法中引入ISM模型（Inter-Band Structure Model）,改进了原有的融合方法;提出了基于ISM模型与小波变换（Wavelet Transform）（简称I-W）的图像融合方法;通过与HIS方法及PCA方法进行了实验对比,结果证明：文中所提出的方法能较好地保留图像的空间和光谱信息。     

基于多进制小波的多源遥感影像融合

首先介绍了遥感影像融合的一般理论和方法，然后在讨论多进制小波理论和影像特征的基础上，提出了一种基于特征的多进制小波变换的影像融合算法，该算法根据待融合影像分辨率之比来确定采用几进制小波，将待融合的高分辨率影像进行多进制小波变换，然后把高分辨影像经小波变换后获得的低频成分和低分辨率影像依据一定的关系进行相互转换，以形成新的高分辨影像的低频成分，经过多进制小波逆变换获得到融合后的影像，最大限度地利用了待融合影像的信息，防止了影像信息的丢失，通过对具体影像的清晰度和空间分辨率，融合后的影像最大限度地保留了待融合影像的光谱信息，同时提高了待融合影像的清晰度和空间分辨率，给出了SPOT全色影像与SPOT多光谱影像，SPOT全色影像与TM影像的融合结果，并与其他方法进行了比较，从而证明了本方法的优越性和自适应能力。     

基于脉冲耦合神经网络的异源图像融合方法

针对基于主成分分析与二代小波变换的图像融合算法中鲁棒性不高、融合图像质量较低的问题,提出了基于鲁棒性主成分分析与脉冲耦合神经网络的融合方法.所提出的算法将可见光与红外图像进行二代小波变换,转换为高频与低频信号,接着采用不同的融合策略针对低频和高频信号进行融合.针对低频信号,利用鲁棒性主成分分析法还原低秩矩阵并采用加权平均的融合策略进行融合;针对高频信号,将其送入至脉冲神耦合神经网络中进行融合得到融合后的小波系数.将融合后的小波系数进行逆变换,得到最终融合图像.实验结果表明,相比于基于主成分分析与二代小波变换的图像融合算法,利用所提出的出算法得到的融合图像中熵指标、空间频率指标、结构相似度指标和峰值信噪比指标均得到了不同程度的提升.因此,所提出的算法能够更好地提取目标信息,使融合图像中目标的轮廓边缘更加清晰,同时将提升小波分解出的高频信息利用PCNN进行融合,更加突出细节信息.     

基于超分辨率的多聚焦图像融合算法研究

针对传统小波变换在图像融合过程中出现边缘模糊、图像失真等问题,提出了一种基于超分辨率的多聚焦图像融合算法。对所有的源图像进行了双三次插值的单帧超分辨率处理,增强源图像对比度等细节信息,采用的源图像为分别进行左右聚焦处理的同一场景中的两幅图像。对这些高分辨率源图像实现了平稳小波变换（SWT）,并将源图像划分为四个子带。针对这些子带所包含源图像细节信息混乱、结构信息冗余等问题,采用了主成分分析（PCA）,分别选取源图像各子带的最大信噪比进行图像融合。利用逆平稳小波变换（ISWT）对融合子带进行重构,得到高质量融合图像。为了评定融合后图像的质量,选择了无参考图像和全参考图像的两种度量方法来检测融合后的图像质量。经实验结果表明,提出的算法克服了传统小波变换算法在图像融合上的缺点,具有边缘清晰、视觉感知好、清晰度好、失真小等优点。