基于Curvelet变换的自适应遥感图像融合算法

提出一种基于Curvelet变换的自适应遥感图像融合算法.首先对全色图像和多光谱图像图像做Curvelet变换,分解成低频系数和高频系数,分解后的低频系数选取区域能量的加权系数自适应融合规则,高低频系数采用以空间频率为度量标准结合自适应因子进行自适应融合规则,再对得到的低频和高频系数进行Curvelet反变换得到融合图像.实验结果表明该算法是一种有效可行遥感图像融合算法.     

一种Curvelet变换和IHS变换相结合的遥感图像融合方法

根据图像处理中所用的不同数学模型的特点,提出了一种Curvelet变换和IHS变换相结合的遥感图像融合方法。首先对多光谱图像进行IHS变换,然后利用Curvelet变换对I分量和高分辨率图像进行融合,最后进行IHS逆变换,得到融合结果图像。结果表明,该方法在保持源数据光谱特性方面优势突出,其融合结果可以应用于以光谱分析为主的领域。     

基于2代Curvelet改进IHS变换的遥感图像融合

Curvelet变换是继小波变换之后,能更适合于图像处理的一种新的多尺度变换分析方法,它比小波变换更加适合分析2维图像中的曲线或直线状的边缘特征,同时也具有很强的方向性。为了将该变换应用于图像融合,首先对第2代Curvelet变换理论进行了综述,然后在对基于第2代Curvelet变换的遥感图像融合方法进行研究的基础上,提出了一种与IHS变换结合的融合方法。最后用高分辨率全色图像与低分辨率多谱图像进行了融合实验,实验结果表明,将Curvelet变换引入图像融合,能够更好地提取原始遥感图像的特征,不仅可为融合图像提供更多的信息,而且融合图像能在较好地保留光谱信息的同时,使空间细节信息也得到增强。     

Curvelet变换在多聚焦图像融合中的应用

综合分析Curvelet变换的特性,提出一种基于Curvelet变换的多传感器图像融合算法。首先将图像进行Curvelet变换,然后基于子块区域方差和区域能量对图像的低频系数和高频系数采用不同的融合规则将Curvelet系数融合,最后进行重构得到融合结果。对该方法得到的融合图像进行了主客观评价和对比。实验结果表明,该方法得到的融合图像在图像边缘等细节上比传统方法和小波算法得到的图像具有更好的视觉效果,在均方根误差、偏差指数、峰值信噪比等客观指标上都优于其他方法。     

Curvelet变换的多波段遥感图像融合研究

提出一种基于Curvelet变换的多波段遥感图像融合算法。Curvelet变换具有比小波变换更好的边缘表达,因而更适合图像的融合处理。采用具有多尺度、多方向特点的Curvelet变换对多波段遥感图像像进行分解。对于低频系数采用平均融合算法,根据高频子图边缘分布差异,对于方向高频系数采用区域边缘检测和区域谱熵算法实现多波段遥感图像的融合处理。实验结果表明,提出的算法与传统算法相比在保留原始图像边缘和纹理信息同时,可以有效地取得较好的融合视觉效果。     

结合Curvelet变换和LSWT的多聚焦图像融合算法

针对多聚焦图像,提出了一种结合二代Curvelet变换和提升静态小波变换LSWT的图像融合算法。首先将待融合的图像分别进行离散Curvelet分解变换,得到不同分解级数和方向下的细节尺度系数和粗尺度系数;其次对粗尺度系数分别进行LSWT变换,对变换得到的低频分量和高频分量分别采用不同的方法融合后进行LSWT逆变换,得到的系数作为Curvelet变换的粗尺度系数;对于Curvelet变换后得到的细节尺度系数采用局部平均能量方差的方法进行融合;最后进行Curvelet逆变换得到融合后的图像。实验结果显示,该方法融合效果较好,优于传统方法。     

基于Curvelet变换多聚焦图像融合

探讨了可见光多聚焦图像的融合问题,提出了一种基于Curvelet变换的图像融合算法。针对Curvelet分解的不同频率域,分别讨论了低频系数和高频系数的选择原则。在选择高频系数时,通过引入Wronskian行列式从而定义局部区域线性相关度,并根据该线性相关度进行高频系数的选择;在选择低频系数时,直接采用平均法。实验结果表明：文中所给出的融合算法能够得到多个目标聚焦都很清晰的图像。     

基于Curvelet变换的图像融合方法

提出一种基于Curvelet变换和特征量积的图像融合方法。对2幅图像进行Curvelet变换,低频部分采用加权平均的融合算法,高频采用基于特征量积的加权融合算法,从而实现Curvelet系数的融合,并重构得到融合图像。对多聚焦图像进行实验,利用梯度结构相似度、空间频率、峰值信噪比进行评价,实验结果表明,该方法能够取得较好的效果。     

基于Curvelet变换的红外与彩色可见光图像融合算法

提出了基于二代Curvelet变换的红外与彩色可见光图像的融合算法。首先对彩色可见光图像进行IV1V2颜色空间变换提取亮度分量,然后对彩色图像的亮度分量和红外图像应用Curvelet变换,对低频系数应用亮度重映射技术后采用加权平均的融合规则,高频系数则采用取大融合规则,再对融合系数应用Curvelet逆变换获得融合图像的亮度分量,最后运用颜色空间逆变换得到融合图像。实验对比表明,相对于对传统融合算法中强度较高的源图像会淹没另一方背景纹理及细节的问题,该算法能有效提高红外光谱信息的充分融合,获得了视觉效果更好、综合指标更优的融合图像。     

一种曲波域亮度调制的遥感图像融合方法

曲波(Curvelet)变换是一种更适合于图像处理的多尺度几何分析(MGA)方法,具有很强的方向性;结合HSI变换将其应用于合成孔径雷达(SAR)图像和多光谱(MS)图像融合可以更好地表示图像中的有用特征;首先对多光谱图像进行HSI变换,得到亮度分量I,对亮度调制(IM)的方法为:对SAR图像和I分量进行曲波变换得到粗尺度系数和细节尺度系数,利用边缘信息和和调制系数k对粗尺度系数进行处理,逆变换后得到新的亮度分量Inew,用Inew替代原亮度分量I进行逆HSI变换得到最终融合结果,采用熵、梯度、空间频率、偏差指数和扭曲程度对融合结果进行评价;实验结果表明,该方法在保持光谱信息和提高空间分辨率上都有较好的结果.     

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。     

基于Contourlet变换的多源森林遥感图像融合算法

提出了一种基于Contourlet变换的多源森林遥感图像融合算法.该融合算法首先利用Contourlet对输入图像进行多尺度、多方向稀疏分解,准确地捕获图像中的二维或高维奇异信息,然后在Contourlet域对不同频率信患采用不同的融合策略进行融合处理.仿真结果表明,该算法具有良好的融合效果,为火灾监控提供可靠的图像信息.     

基于曲波变换的图像融合方法

本文在研究了曲波变换的特性后,提出了一种基于曲波变换的图像融合方法,并分别将由不同传感器获得的不同分辨率的遥感图像和医学图像利用此方法进行了融合.这种方法不仅能够完好地显示了源图像各自的信息,而且能很好地将源图像的细节融合在一起.实验结果表明采用这种方法可以得到更好的融合效果.     

基于小波变换区域方差的遥感图像融合新算法

提出一种基于小波变换的遥感图像融合新算法。利用离散小波变换把图像分解成不同尺度的低频和高频部分,采用小波区域窗口和子区域窗口统计把小波系数分类成边缘和非边缘系数。在融合处理中,低频图像的小波系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应输入图像小波系数的最大多窗口区域方差来确定融合后高频小波系数。实验结果表明,这种方法能够在保留图像微小细节方面获得满意的结果,这种算法有效且优于其他的图像融合方法。     

基于小波变换区域方差的遥感图像融合新算法

提出一种基于小波变换的遥感图像融合新算法。利用离散小波变换把图像分解成不同尺度的低频和高频部分，采用小波区域窗口和子区域窗口统计把小波系数分类成边缘和非边缘系数。在融合处理中，低频图像的小波系数平均值作为融合后的低频系数，高频细节系数根据不同区域特征选择方法以及对应输入图像小波系数的最大多窗口区域方差来确定融合后高频小波系数。实验结果表明，这种方法能够在保留图像微小细节方面获得满意的结果，这种算法有效且优于其他的图像融合方法。     

基于Contourlet变换的遥感影像融合算法

针对目前最新发展的Contourlet变换能比小波变换更适合于进行多尺度边缘增强处理的特点，本文提出了一种新的基于Contourlet变换的用于融合遥感全色和多光谱影像的算法，分别对应于Contourlet变换后得到的低频和高频分量系数，结合小波变换采用了不同的融合规则．实验结果表明本文提出的融合算法能在保留多光谱影像光谱信息的同时增强了融合图像的空间细节表现能力和信息量，该算法是有效可行的．     

基于多种变换的遥感图像新型融合方法

针对多光谱图像空间分辨率低这一特点,提出一种在PCA变换基础上,利用小波变换和高通滤波相结合的图像融合算法。实现了ETM+全色波段与ETM+多光谱波段图像的融合,并从空间纹理信息,光谱真实性两个方面进行定性和定量评价。研究表明,该融合算法产生的光谱失真较小,同时很大程度地保持了高分辨率全色波段的空间纹理细节信息,是一种较好的图像融合方法。     

基于SIDWT的遥感图像融合算法

合成孔径雷达(SAR)和全色遥感图像由于成像机理存在差异,对目标轮廓、纹理和色调等信息的表现各不相同,像素级融合后将更易于图像判读。基于此,将平移不变离散小波变换(SIDWT)算法用于SAR与全色遥感图像融合,该算法克服了传统小波变换不具有平移不变性的缺点。同时,提出一种新的增强互补信息的融合规则：图像的低频部分采用基于边缘提取的加权规则,高频部分采用绝对值最大原则。实验结果表明,该算法能够获得较好的融合效果。