提升五株形小波在多光谱图像融合中的应用

提出一种基于IHS变换和提升五株形小波变换相结合的融合方法,并把它应用于多光谱图像与高分辨图像的融合中。该算法对多光谱图像进行IHS变换,将得到的亮度分量I和高分辨率图像做多尺度提升五株形小波分解,采用不同的融合算子对高低频分量进行融合,对融合后图像进行提升五株形小波重构和IHS逆变换得到融合结果图像,并采用客观性能指标对融合结果图像进行了客观评价。实验结果表明,该方法对多光谱图像和高分辨率图像的融合有较好的融合效果,能从原图像中获得更多的信息,同时又能保持较高的空间分辨率。该方法的融合算法和分解层数的选取,是简便有效的,适用于多光谱图像融合。     

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。     

基于第二代Curvelet变换的自适应图像增强

Curvelet是继小波和Ridgelet之后一种新的图像多尺度表示方法,Curvelet具有多尺度,多方向的特性,属于高度各向异性的变换。第二代Curvelet变换克服了第一代Curvelet变换的高数据冗余度问题,特别是基于”Wrapping”方式的第二代离散Curvelet算法,不仅运算快速、几何真实,而且快速可逆。因此,将第二代Curvelet变换用于图像增强,并通过自适应地确定Curvelet分解子带的噪声水平,实现了一种自适应图像增强方法。实验结果表明,同基于小波变换的图像增强方法相比,该方法具有明显的优势。     

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。     

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.     

基于改进的IHS、PCA和小波变换的遥感图像融合算法

文章提出了基于改进的IHS、PCA和小波变换的遥感图像融合算法,提高融合图像的空间分辨率和光谱分辨率,首先对多光谱图像进行PCA变换,使其维度降低,减少信息损失,将原始图像数据中有效的主要信息用主成分PC1、PC2、PC3表示.接着对主成分进行IHS变换得到I、H、S分量,之后将强度分量I与全色图像进行直方图优化求解得到newPAN,最后对newPAN和强度分量I进行小波分解.利用PCA对多光谱图像操作后再进行IHS变换,弥补了传统IHS算法只能处理三个波段多光谱图像的缺陷,增加了处理的波段数,而且PCA融合算法的光谱保持度较高,该算法将IHS、PCA、小波变换三种融合算法相结合,利用各个算法的优势,最大程度地减少替换成分相关性不高造成的光谱扭曲,克服小波变换融合过程中产生的细节信息畸变问题.     

一种新的基于Curvelet变换的遥感图像融合算法

Curvelet变换能充分利用原函数的几何正则性,可以达到用更少的系数来逼近奇异曲线的目的,因此相比小波变换而言,它更适合分析二维图像中的曲线或直线状边缘特征.综合分析Curvelet变换的特性,提出一种基于Curvelet变换的遥感图像融合算法.通过Curvelet变换将源图像分解到不同尺度、不同方向的频带范围内,然后分别对低频、高频分量采取不同的融合规则进行融合,最后进行Curvelet逆变换得到融合结果.实验结果表明该方法在增强空间特征和保留光谱信息方面均优于传统小波变换和传统Curvelet变换等方法.     

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。     

基于非子采样Contourlet变换的遥感图像融合算法

针对人类视觉特性, 以及全色高分辨图像和多光谱遥感自身的特点, 提出一种非下采样 Contourlet (NSCT) 域的图像融合新策略. NSCT 具有好的多分辨、移不变和多方向等特性, 能对图像中的边缘和围线信息给出渐近最优表示. 为了更好地保持空间分辨率和颜色分量, 引入基于 LHS 变换的亮度成分叠加策略. 实验结果表明: 本文提出的融合方法在提高空间分辨率的同时较好地保持了光谱信息. 与传统的 PCA 方法、基于 IHS 的融合方法、基于小波加权的融合方法, 以及同样采用本文的融合策略、分别基于小波变换和基于 Contourlet 变换的融合策略相比较, 本文方法在视觉效果和客观衡量指标两方面都有所改善.     

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.     

一种基于结构相似度的IHS变换融合算法

由于IHS色彩空间表现的颜色更加符合人眼的视觉规律,因此,IHS变换在遥感影像融合中被广泛应用。针对传统的IHS变换融合算法进行融合实验时有较大的色彩畸变问题,提出了一种基于结构相似度（Strucral Similarity SSIM）的IHS变换融合算法。对影像进行IHS变换之后,计算原始多光谱影像I分量与全色波段影像的SSIM矩阵,并由该SSIM矩阵确定对应不同区域的新的亮度分量I。实验结果表明,该算法在增强影像空间分辨率的同时,能很好地保持其光谱特征。     

通过直方图中轴化提高融合图像光谱保真度

针对遥感图像融合过程中光谱失真问题,提出一种基于直方图中轴化策略的图像融合算法。首先,将多光谱图像进行IHS变换;然后,采用直方图中轴化策略调整多光谱图像强度分量图像和全色图像的像素直方图,使之趋于一致;最后,进行IHS反变换获得高质量的彩色图像。理论分析和实验结果表明,该算法不仅可以较好地抑制融合图像光谱失真,同时也能有效保留融合图像的空间分辨率,算法步骤简单、容易实现;与四种传统融合算法（IHS变换、主成分分析（PCA）法、小波变换（WT）法、Brovey）相比,该算法生成的融合图像具有良好的视觉效果,特别是在峰值信噪比（PSNR）、光谱扭曲度和信息熵等客观评价指标中明显优于对比算法。基于直方图中轴化策略融合的遥感图像光谱失真度小、空间信息保持度高。     

基于Sobel算子的小波包变换遥感图像融合算法

针对遥感图像融合时图像的空间信息与光谱信息不易兼容的问题,在小波包变换的基础上提出了一种基于Sobel算子的图像融合算法。该方法将多光谱图像与高分辨率图像进行小波包变换,根据阈值选用不同的融合准则得到小波低频系数,利用Sobel算子提取图像高频特征值,采用最值法获取高频系数。实验结果表明,所提算法优于传统的HIS(Intensity,Hue,Saturation)变换、小波变换以及两者结合的方法,在较好地保留图像光谱信息的同时,进一步增强图像的细节信息、边缘特征,从而提高图像的清晰度。     

小波变换在遥感图象融合中的应用研究

针对基于小波变换的图象融合中存在的光谱扭曲问题 ,提出了一种直接相加的小波变换低频信息处理方法 ,即将未分解的 TM放大图象与小波分解后的 SPOT图象的高频部分重构得到的图象通过直接相加来生成融合图象 ,这种方法得到的融合图象 ,其光谱扭曲值和信息量两个指标均优于常规的小波融合方法 .由小波变换与 IHS变换的光谱质量比较表明 ,小波变换比 IHS变换更适合于波谱响应范围不同、相关性弱的图象间的融合 ;另外 ,空间质量比较还表明 ,小波变换在融合中、小尺度的纹理特征方面具有优势 .     

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.