為了解決遙感圖像融合方法在信息融合過程中因忽視了圖像中的顯著內(nèi)容而導(dǎo)致融合圖像的空間特征不理想的問題,提出了二代Curvelet變換耦合顯著內(nèi)容判定機(jī)制的遙感圖像融合算法。借助HSV變換,計(jì)算多光譜（MS）圖像的明度（V）分量;再采用二代Curelet變換對(duì)全色圖像以及V分量進(jìn)行計(jì)算,輸出二者對(duì)應(yīng)的頻域子帶。采用圖像的幅度譜特征,計(jì)算出圖像的顯著信息,通過對(duì)圖像進(jìn)行分塊,以分塊圖像的顯著信息為依據(jù),建立顯著內(nèi)容判定機(jī)制,根據(jù)分塊圖像的顯著值,采用不同的方法來(lái)融合低頻子帶。最后,利用圖像的梯度值,構(gòu)造細(xì)節(jié)測(cè)度因子,以計(jì)算出圖像的細(xì)節(jié)信息,實(shí)現(xiàn)高頻系數(shù)的融合。實(shí)驗(yàn)結(jié)果顯示,相對(duì)于已有的遙感融合方案而言,所提算法的融合圖像擁有更好的光譜等特征,呈現(xiàn)出更高的標(biāo)準(zhǔn)差和相關(guān)系數(shù)值。 

【文章來(lái)源】：光學(xué)技術(shù). 2020,46(06)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

所提遙感圖像融合算法的過程

{ R=V,G=f,B=a,(u=0) R=d,G=V,B=a,(u=1) R=a,G=V,B=f,(u=2) R=a,G=d,B=V,(u=3) R=f,G=a,B=V,(u=4) R=V,G=a,B=d,(u=5) ?????? ??? (8) { a=V×(1-S) d=V×(1-Se) f=V×[1-S×(1-e)] ?????? ??? (9)采用HSV變換從MS圖像中分離出V分量的結(jié)果如圖2所示。

笛卡爾坐標(biāo)下的窗口

【參考文獻(xiàn)】：
期刊論文
[1]基于HSV顏色空間的快速邊緣提取算法[J]. 王紅雨,尹午榮,汪梁,胡江顥,喬文超.  上海交通大學(xué)學(xué)報(bào). 2019(07)
[2]基于多輸入密集連接神經(jīng)網(wǎng)絡(luò)的遙感圖像時(shí)空融合算法[J]. 姚凱旋,曹飛龍.  模式識(shí)別與人工智能. 2019(05)
[3]基于二代Curvelet變換與近似度制約規(guī)則的遙感圖像融合算法[J]. 尹振鶴,朱輝生.  電子測(cè)量與儀器學(xué)報(bào). 2019(04)
[4]基于深度殘差去噪網(wǎng)絡(luò)的遙感融合圖像質(zhì)量提升[J]. 楊斌,王翔.  激光與光電子學(xué)進(jìn)展. 2019(16)
[5]Seismic Attribute Analysis with Saliency Detection in Fractional Fourier Transform Domain[J]. Yuqing Wang,Zhenming Peng,Yan Han,Yanmin He.  Journal of Earth Science. 2018(06)
[6]低質(zhì)遙感圖像壓縮域細(xì)節(jié)特征高效增強(qiáng)仿真[J]. 耿艷萍,趙麗,耿春艷.  計(jì)算機(jī)仿真. 2018(07)
[7]L1范數(shù)和分裂Bregman的遙感影像變分融合模型[J]. 侯昕廷,秦前清,孫濤,宋博,付志濤.  測(cè)繪科學(xué). 2018(01)

碩士論文
[1]紅外圖像與可見光圖像融合研究與應(yīng)用[D]. 汪廷.西安理工大學(xué) 2019



本文編號(hào)：3253851