基于NSCT的多光谱和全色图像的融合

提出了一种基于无下采样Contourlet变换的多光谱和全色图像的融合方法.该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行无下采样Contourlet变换(NSCT),然后对分解得到的近似分量以及各层金字塔各方向的细节分量利用本文提出的一定的融合准则分别对近似分量和细节分量进行影像融合,最后通过无下采样Conlourlet逆变换得到新的I分量,与H,S分量一起还原到RGB空间,最终得到融合后的高分辨率多光谱彩色图像.本文采用一组多光谱图像和全色图像数据进行融合实验,其实验融合图像的目视效果和统计指标均优于传统的IHS融合方法、小波融合方法以及Contourlet变换方法.     

基于Contourlet系数局部特征的选择性遥感图像融合算法

为了使融合后的多光谱图像在显著提高空间分辨率的同时,尽可能多地保持原始多光谱特性,提出了一种基于Contourlet变换系数局部特征的选择性遥感图像融合方法。根据多光谱和全色图像融合过程中Contourlet变换后的低频和高频部分融合目的的不同,对得到的近似和各层各方向的细节分量分别运用窗口邻域移动模板逐一计算相应区域Contourlet系数阵的不同局部特征量,然后选择适当的准则,对图像的近似和细节分量分别应用不同的策略在Contourlet系数域内进行选择性融合,通过Contourlet和亮度-色调-饱和度(IHS)逆变换得到融合的高分辨率多光谱图像。采用Landsat TM多光谱和SPOT全色图像进行的融合实验结果表明:提出的算法在显著提高空间分辨率的同时,又能很好地保持原始图像的光谱特征,并优于传统的融合方法。     

采用区域互信息的多光谱与全色图像融合算法

为了提高多光谱与全色图像融合算法质量,提出了一种采用区域互信息的多光谱与全色图像融合算法。首先将多光谱图像变换至HSV彩色空间,并采用分水岭与区域合并的方法对V分量进行区域分割,得到区域分割映射,欧氏光谱距离作为区域合并的测度。然后采用非下采样Contourlet变换（Nonsubsample Contourlet Transform,NSCT）对多光谱图像V分量和全色图像进行多分辨率分解,将区域分割结果映射至全色图像,通过计算对应区域间的互信息对多分辨率分解系数进行融合,获得融合图像的分解系数,最后通过NSCT反变换实现融合图像重构。图像融合算法对比实验表明,文中融合算法在充分保留了多光谱图像光谱信息的同时,尽可能多地注入了全色图像的细节信息,有效提高了多光谱图像的边缘特征。     

改进的基于àtrous小波的遥感图像融合方法

针对多光谱与全色图像的融合,提出了一种改进的基于àtrous小波变换的图像融合方法。首先对多光谱图像进行IHS(intensity-hue-saturation)变换,然后对PAN图像进行àtrous小波变换,再将PAN图像的细节分量添加到多光谱图像的强度分量中。为了控制添加的数量,从小波系数中提取出一个重要性测度函数,并根据阈值选择重要的PAN特征,用新的强度分量来取代多光谱图像的强度分量。最后再做IHS逆变换得到融合图像。实验结果表明,和IHS变换算法及常用的小波融合算法相比,本文提出的融合方法在光谱信息的保持与空间细节信息的增强两个方面的综合性能得到提高,具有更好的效果。     

基于显著区域分割和小波变换的遥感图像融合

针对多光谱图像和全色图像的融合,提出一种基于显著区域分割和小波变换的遥感图像融合算法。首先通过IHS变换对多光谱图像进行分解,将亮度分量I和全色图像进行小波变换,得到对应的高低频系数。对低频系数进行模糊C均值聚类分析,并根据显著性因子分割出显著区域和非显著区域,针对不同区域和频段采用不同的准则进行融合。最后重建融合系数并进行IHS逆变换以获得融合图像。通过对比实验,表明该方法获得的融合结果优于传统的融合方法。     

自适应多尺度几何分析的全色和多光谱图像融合方法研究

为了利用全色和多光谱图像融合得到一幅空间分辨率较高和光谱信息丰富的遥感图像。结合窗口空间频率绝对值最大原则的高频条带波系数融合规则,提出一种基于自适应多尺度几何分析变换的融合方法。利用Landsat-7数据进行试验,得到一幅空间分辨率和光谱信息都较好的融合图像。和轮廓波方法、IHS、小波变换方法进行比较,本方法提高融合图像的质量,图像的边缘细节更明显清晰。     

基于非下采样Contourlet变换的多传感器图像融合

根据非下采样Contourlet变换同时具有多尺度多分辨分析和平移不变性质的特点,提出一种基于非下采样Contourlet变换的多传感器图像融合方法,将其应用于多传感器图像融合的两个重要领域——多聚焦图像融合和高分辨、多光谱图像融合,从视觉效果和信息量指标方面对融合图像进行主观评判和数值评价.实验中将本文方法与Contourlet变换、小波变换、主成分分析等方法进行了比较,结果表明本文方法得到的融合结果具有更优的视觉质量和量化指标,能很好地将源图像的细节信息融合在一起,拓广了NSCT的应用范围.     

一种基于非采样Contourlet变换红外图像与可见光图像融合算法

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于非采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)图像融合算法.算法首先采用NSCT对源图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数.然后,针对低频子带系数的选择,提出了一种基于红外图像与可见光图像物理特征的"加权平均"系数选择方案;针对各带通方向子带系数的选择,结合人眼视觉特性,提出了一种基于区域能量匹配的系数选择方案,得到融合图像的NSCT系数.最后经过NSCT逆变换得到融合图像.实验结果表明该算法可获得较理想的融合图像,其融合效果优于传统的基于离散小波变换以及离散小波框架变换的图像融合算法.     

基于NSCT和PCNN的可见光与红外图像融合算法

提出了一种基于Contourlet变换的非下采样变换(Nonsubsampled ContourletTransform,NSCT)和脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的可见光与红外图像融合算法。该算法首先对源图像进行NSCT分解,得到低频子带系数和各带通方向子带系数。然后对低频子带系数提出一种基于可见光与红外图像自身特性的加权平均融合方法,再对各带通子带系数提出基于PCNN的融合方法。最后经过NSCT逆变换得到融合图像。实验证明,该方法优于小波方法和传统的NSCT方法。     

一种自适应模糊密度赋值的小波变换遥感图像融合算法

该文提出了一种基于模糊积分的多光谱图像和全色遥感图像融合算法。该算法首先由多光谱图像和全色图像的小波系数来获取模糊积分的信度函数,再依据小波系数的局部窗口内的方差自适应的构造模糊密度,然后由模糊积分计算融合后的小波系数,最后进行小波逆变换,得到融合图像。实验表明,采用新的基于模糊积分的融合方法,只要选择适当的模糊密度,就可以使得融合图像在提高空间细节质量的同时,相比其它融合算法能够具有更好的光谱质量。     

一种基于非采样Contourlet变换的遥感图像融合算法

为使融合后的多光谱图像尽可能保持原多光谱图像光谱特性的同时提高空间质量,提出了一种基于非采样Contourlet变换（NSCT）和多尺度边缘检测的融合算法。介绍了非采样Contourlet变换和多尺度边缘检测;设计了基于多尺度边缘检测、直接替代的高频、低频子带融合规则;用QuickBird卫星高分辨率遥感图像进行仿真实验。实验结果表明该算法能够在保持光谱信息的同时注入更丰富的空间细节信息,优于传统的Wavelet变换法和Contourlet变换法。     

基于采样二通道不可分小波的多光谱图像融合

针对基于非下采样不可分小波图像融合方法空间分辨率不高、基于张量积小波融合方法会出现方块效应的不足,提出了一种基于伸缩矩阵为[1,1;1,-1]的二通道采样不可分小波的多光谱图像和全色图像融合方法.利用矩阵扩充方法,构造了一组新的不可分低通滤波器和高通滤波器组,利用所设计滤波器组分别对多光谱图像的亮度分量和全色图像作下采样的多尺度不可分小波分解,分别对分解后的低频子图像和高频子图像按不同的融合规则进行融合.实验结果表明,其保持光谱信息的能力和保持空间分辨率信息的能力比基于IHS变换融合方法、基于DWT的融合方法、基于IHS-DWT的融合方法、基于IHS-Contourlet变换的融合方法、基于IHS-Curvelet变换的融合方法、SRF方法都强,与基于非下采样的二通道不可分正交小波和不可分双正交小波融合方法相比,该方法能保持较好的整体光谱信息和较高的空间分辨率信息.     

基于滤波器组的遥感图像融合方法及其性能分析研究

提出了一种基于滤波器组的图像融合方法,用以融合高空间分辨率全色图像和低空间分辨率的多光谱图像．在高空间分辨率全色图像经过多通道滤波器组分解的基础上,用多光谱图像直接替换全色图像低频子图像的方式进行融合处理;最后对替代后的子图像进行滤波器组重构得到融合后的图像．实验结果表明,通过调整滤波器组的通道个数,该方法能够使融合图像中空间信息和多光谱信息获得更好地折衷．     

NSCT域内基于改进PCNN和区域能量的多光谱和全色图像融合方法

针对多光谱和全色图像的融合,提出了一种NSCT域内基于改进脉冲耦合神经网络（PCNN）和区域能量的融合方法。首先,利用NSCT将图像分解为一个低频子带和多个不同方向的带通子带。然后,对分解后的低频子带采用基于区域能量的自适应加权算法进行融合;在带通方向子带,结合改进的脉冲耦合神经网络,使用带通方向子带系数作为PCNN的外部输入激励,经过PCNN点火获得待融合图像的点火映射图,根据点火时间计算点火映射图的区域能量,通过判决算子选择待融合图像的带通方向子带系数作为融合系数。最后,对融合处理后的NSCT变换系数进行重构生成融合图像。实验结果显示:在迭代次数为100次时,与改进小波算法相比,标准差提高了9.48%,熵提高了0.95%,相关系数提高了21.56%,偏差指数降低了29.66%;与Contourlet算法相比,标准差提高了9.73%,熵提高了0.94%,相关系数提高了11.27%,偏差指数降低了9.45%;与NSCT算法相比,标准差提高了3.84%,熵提高了3.34%,相关系数提高了7.89%,偏差指数降低了7.42%。     

基于NSCT和边缘检测的图像融合算法研究

近年来,图像融合已经成为计算机视觉领域一向有价值的新技术,论述了NSCT变换理论,先将图像作非下采样拉普拉斯金字塔尺度分解,在各个尺度层对高频子带作非下采样方向分解,然后分别采用基于区域能量和边缘检测的融合规则得到融合图像的非下采样Contourlet低频和高频系数;最后再进行非下采样Contourlet逆变换得到融合图像。实验结果表明,该方法的融合图像多项指标都优于Contourlet变换、NSCT变换。     

基于非下采样三通道不可分对称小波的多光谱图像融合

针对IHS变换融合方法不能保持好的光谱信息,张量积小波变换融合方法生成的融合结果图像空间分辨率偏低、且易产生方块效应等不足.提出了一种基于三通道不可分对称小波的多光谱图像融合方法.利用矩阵扩充的方法,给出了三通道不可分对称小波滤波器组的构造方法,用所构造的不可分小波滤波器组分别对多光谱图像的亮度分量和全色图像作非下采样...     

Shearlet变换耦合细节强化因子的遥感图像融合算法

为克服当前较多遥感图像融合方法存在间断以及吉布斯现象,本文利用像素点间灰度以及梯度信息,设计了一种采用非下采样Shearlet变换(NSST)耦合细节强化因子的图像融合方法。将多光谱(MS)图像经过强度-色调-饱和度(IHS)变换,分离出强度成分。随后,借助 变换处理强度成分与全色(PAN)图像,获取对应的高频和低频系数。以强度成分对应的低频系数为依据,通过图像的空间频率特性计算加权系数,将PAN图像的低频系数植入到强度(I)成分对应的低频系数中,融合低频系数。采用像素点间灰度以及梯度信息,构造细节强化因子,融合高频系数。最后,采用IHS和NSST反变换重构这些融合系数,获取融合结果。实验结果显示：较当前融合技术,所提算法拥有更为理想的融合效果,具有更高的互信息值和更低的光谱偏差度值。