基于信息量制约的遥感图像融合算法

为了改善遥感图像的融合质量,制定了信息量制约法则用于获取融合遥感图像。利用亮度－色调－饱和度(IHS)变换从多光谱(MS)图像中获取亮度(I)分量。基于非下采样剪切波变换(NSST),获取I分量与全色(PAN)图像完成分解,得到I分量与PAN图像的高低频系数。最后,利用低频系数的均值以及区域能量信息,建立信息量制约法则,分析不同低频系数对融合系数的影响程度,设计不同的融合方法对这些低频系数进行融合。采用改进的平均梯度度量模型完成高频系数融合。通过NSST逆变换对计算融合后的高低频系数,输出新的亮度分量,将其与原始的色调(H)、饱和度(S)分量组合,通过IHS逆变换,获取融合结果。实验数据显示,相对已有的融合算法,所提算法的融合图像所含的信息量更为丰富,且光谱扭曲度更小。     

一种改进的SAR与可见光图像融合算法

针对现有SAR与可见光遥感影像融合算法的计算复杂度较高,细节信息保留较差等问题,提出了一种NSST-IHS结合自适应PCNN改进的融合算法。该方法先利用IHS 变换提取可见光图像的亮度分量I,并将得到的亮度分量I与SAR图像分别进行NSST变换;然后,针对低频子带分量采用方向信息即空间频率和平均梯度自适应调整PCNN的外部刺激与链接强度;高频子带分量上运用改进的拉普拉斯能量和(SML)的融合规则;最后,运用逆 NSST变换和逆IHS变换得到最终融合图像。实验表明,本文算法所得融合图像比传统算法在视觉效果方面提升明显,光谱信息及线性结构特征得到更多保留、各类评价指标上比传统算法要更好。     

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。     

一种基于整数小波变换的遥感影像融合算法

提出了一种IHS变换和整数小波变换相结合的遥感影像融合算法(IHS-IWT),并根据待融合图像的特点,选取了有效的融合策略.首先对中巴卫星多光谱影像进行IHS变换,然后对得到的亮度分量和Landsat ETM 高分辨率全色影像进行整数小波融合,最后通过整数小波逆变换得到融合的图像.实验结果表明,与IHS变换等方法比较,该方法在较好的保留光谱信息的同时,空间细节信息也得到了增强,并且具有较快的处理速度.     

一种双尺度分解的高分辨率遥感影像融合方法

针对不同分辨率的遥感影像融合时存在鲁棒性差、算法复杂度高的问题,提出了一种双尺度分解的高分遥感影像融合方法.该方法首先采用高分1号、高分2号不同分辨率的遥感影像作为实验数据,通过YUV提取多光谱影像的灰度分量Y;其次利用联合引导滤波的滚动引导滤波的方法将影像分为结构层与能量层,在能量层和结构层设计能量属性和梯度能量有效...     

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。     

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。     

基于非亚采样Contourlet和SWT的多光谱图像和全色图像的融合算法

该文研究了多尺度几何分析工具非亚采样Contourlet变换(NSCT),提出一种新的全色图像和多光谱图像融合的方法。该方法首先对全色图像和进行过IHS变换的多光谱图像的亮度分量进行NSCT变换,对于二者的低频近似系数再进行平稳小波变换(SWT)并融合,进一步提高融合图像的空间信息量,对于高频细节系数,采用基于局部平均梯度的方法进行融合,经过逆NSCT得到融合图像。实验结果表明,该文提出的方法在保留多光谱图像的光谱信息的同时,增强了融合图像的空间细节表现能力,提高了信息量,并且优于传统的基于IHS变换、小波变换、双树复小波变换及Contourlet变换的融合方法,该方法是有效可行的。     

NSST域红外和可见光图像感知融合

为了提高融合图像的视觉感知效果,提出一种非下采样剪切波变换(Non-Subsampled Shear Transform,NSST)域红外和可见光图像感知融合方法.首先采用NSST将源图像分解为高频和低频分量;接着采用参数自适应脉冲耦合神经网络(Parameter Adaptive Pulse Coupled Neural Network,PA-PCNN)融合高频分量图像,提高成像细节;然后联合使用高斯滤波器和双边滤波器进行多尺度变换以融合低频分量图像,将低频分量分解为多尺度纹理细节和边缘特征以捕获更多的多尺度红外光谱特征;最后利用NSST逆变换获取融合图像.实验结果表明,该方法不仅可以有效提高融合图像的细节信息,而且还能增强红外特征的提取能力以契合人体的视觉感知.     

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.     

Contourlet变换耦合特征投票的遥感图像融合算法

为了解决图像系数融合问题,设计了基于非下采样Contourlet变换与特征投票机制的遥感图像融合算法。采用色相饱和度(HSV)变换从多光谱图像中提取其亮度成分。随后,对该亮度成分与全色图像进行非下采样Contourlet变换,以计算相应的高频、低频系数。再建立特征投票机制,完成低频系数的融合。通过构造高频系数融合规则,获取融合高频系数。最后,对融合系数进行处理,生成融合图像。实验结果显示,所设计算法具有更好的光谱特性以及清晰度。     

基于CNN的QuickBird遥感影像融合研究

为了充分利用QuickBird多光谱影像的光谱信息和全色影像的高空间分辨率信息,提出了一种基于细胞神经网络（CNN）的QuickBird多光谱和全色遥感影像融合方法.实验结果表明,相对于传统的影像融合算法,提出的方法具有更好的性能.     

基于NSST变换与自适应PCNN的多特征遥感图像融合

针对基于NSCT变换的遥感图像融合算法存在计算复杂度高,细节表现能力不足的问题,本文提出了一种基于NSST变换与自适应PCNN的多特征遥感图像融合算法。首先,利用HSV变换提取MS图像的亮度分量V,并将得到的亮度分量V与PAN图像分别进行NSST变换;其次,对于低频子带,提出了一种基于自适应的PCNN融合规则,将空间频率和区域平均梯度分别作为PCNN的外部激励和链接强度;对于高频子带,采用基于多特征的融合规则;最后,进行逆NSST变换和逆HSV变换得到融合图像。仿真实验表明,该算法与一些经典的融合算法相比不仅可以提高图像融合质量,在视觉效果和客观指标上也都有良好的表现。     

基于Shearlet变换与区域分割的遥感图像融合

结合区域分割理论,提出了一种基于Shearlet变换 的遥感图像融合算法。首先通过色度H-亮度I-饱和度S(HI S) 变换对多光谱图像进行分解,将I分量与全色图像进行Shearlet变换,得到低 频、高频信息图;然后对 低频信息图进行基于灰度的区域分割,两图像的低频部分使用改进的加权融合算法改善融 合图像轮廓模 糊问题,以区域匹配度作为融合规则,高频分量采用区域清晰比作为融合规则,得到更多 的细节信息; 最后通过HIS逆变换得到融合图像。实验结果表明,本文算法 所得融合图像在有效地保持了多光谱图像光谱信息的同时,提高了空间细节信息。     

基于邻域匹配度和能量的curvelet变换融合

提出一种基于邻域匹配度和能量加权平均的多源遥感图像曲波变换融合方法。对低分辨率的多光谱图像和高分辨率的全色图像作曲波变换,融合图像的曲波系数中的低频分量取自多光谱图像的低频分量。求两幅图像高频系数邻域内的匹配度,与阈值相比较,根据比较结果分别采用不同方法确定高频系数。对生成系数进行逆曲波变换后得到融合图像。实验表明融合后的图像清晰度和光谱性得到有效提高。     

多光谱可见光图像与高分辨率图像的分维融合

针对遥感图像,提出了一种遥感多光谱可见光图像与遥感高分辨率全色图像融合的小波分维算法.利用小波变换的方向选择}生,对遥感多光谱的1分量和遥感全色图像进行小波分解,进而在不同子带中进行遥感图像融合,低频部分采用基于区域能量的融合算法;高频部分使用21×21的窗口加窗逐点计算分维作为权系数进行融合;最后将得到的灰度融合图像...     

一种基于蚁狮最大熵算法与引导滤波的图像融合算法

传统红外与可见光图像融合算法中易出现目标提取不够充分、细节丢失等问题,导致融合效果不理想,从而无法应用于目标检测、跟踪或识别等领域。因此,该文提出一种基于蚁狮优化算法(ALO)改进的最大香农(Shannon)熵分割法结合引导滤波的红外与可见光图像融合方法。首先,使用蚁狮最大熵分割法(ALO-MES)对红外图像进行目标提取,然后,对红外和可见光图像使用非下采样剪切波变换(NSST),并对获得的低频和高频分量进行引导滤波。由提取的目标图像与增强后的红外和可见光低频分量通过低频融合规则得到低频融合系数,增强后的高频分量通过双通道脉冲发放皮层模型(DCSCM)得到高频融合系数,最后经NSST逆变换得到融合图像。实验结果表明,所提算法能够得到目标明确、背景信息清晰的融合图像。

     

基于NSST和高斯混合模型的医学图像融合算法

提出了一种基于非下采样剪切波变换（Non-subsampled shearlet transform, NSST）和高斯混合模型的医学彩色图像融合算法。首先将彩色图像转换到HSI颜色空间,提取其色度分量图像、饱和度分量图像和强度分量图像;然后对强度分量图像和MRI图像进行NSST变换,其中低频系数采用基于区域系数改进拉普拉斯能量和（Sum-modified-Laplacian,SML）加权的融合规则,高频系数采用高斯混合模型估计参数取大的融合规则;对融合后的系数进行NSST逆变换重构融合后的强度分量图像;最后将融合后的强度分量图像与色度分量图像、饱和度分量图像混合得到融合后的HSI图像,再将HSI图像转换到RGB颜色空间得到融合后的彩色图像。仿真实验表明,该算法在视觉效果和客观评价指标上具有更好的融合效果。     

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.     

基于区域特征的改进IHS图像融合算法

提出了一种基于区域特征的结合IHS变换和小波变换的图像融合算法,首先分别对多光谱图像和高分辨率全色图像进行IHS变换和直方图匹配,对I分量和调整后的高分辨率图像进行小波分解,然后对不同频率分量进行融合时引入区域特征准则,低频部分采用加权平均算子融合法,高频部分采用改进的区域方差加权融合法,最后结合主观判断和客观定量分析验证该算法,实验结果表明该算法的融合图像的质量要优于传统的IHS变换法和小波变换法。