為克服當(dāng)前較多遙感圖像融合方法存在間斷以及吉布斯現(xiàn)象,本文利用像素點(diǎn)間灰度以及梯度信息,設(shè)計(jì)了一種采用非下采樣Shearlet變換（NSST）耦合細(xì)節(jié)強(qiáng)化因子的圖像融合方法。將多光譜（MS）圖像經(jīng)過(guò)強(qiáng)度-色調(diào)-飽和度（IHS）變換,分離出強(qiáng)度成分。隨后,借助NSST變換處理強(qiáng)度成分與全色（PAN）圖像,獲取對(duì)應(yīng)的高頻和低頻系數(shù)。以強(qiáng)度成分對(duì)應(yīng)的低頻系數(shù)為依據(jù),通過(guò)圖像的空間頻率特性計(jì)算加權(quán)系數(shù),將PAN圖像的低頻系數(shù)植入到強(qiáng)度（I）成分對(duì)應(yīng)的低頻系數(shù)中,融合低頻系數(shù)。采用像素點(diǎn)間灰度以及梯度信息,構(gòu)造細(xì)節(jié)強(qiáng)化因子,融合高頻系數(shù)。最后,采用IHS和NSST反變換重構(gòu)這些融合系數(shù),獲取融合結(jié)果。實(shí)驗(yàn)結(jié)果顯示:較當(dāng)前融合技術(shù),所提算法擁有更為理想的融合效果,具有更高的互信息值和更低的光譜偏差度值。 

【文章來(lái)源】：太赫茲科學(xué)與電子信息學(xué)報(bào). 2020,18(06)北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

利用HIS變換獲取MS圖像的I成分結(jié)果

NSST變換的結(jié)果如圖3所示。從圖3可見(jiàn)，其能夠較好地對(duì)圖2(b)和圖3(a)所示的I成分及PAN圖像進(jìn)行分解，以生成不同的圖像系數(shù)。1.3 不同圖像系數(shù)的融合

利用式(15)可求取不同高頻系數(shù)LI和LP的細(xì)節(jié)強(qiáng)化結(jié)果PWI和PWP，在此基礎(chǔ)上計(jì)算融合高頻系數(shù)LIP:將LIP和UIP經(jīng)過(guò)NSST反變換后，可得到改造后的I成分與H,S經(jīng)過(guò)IHS反變換后，可得到融合結(jié)果。利用上述過(guò)程，對(duì)圖2(a)和圖3(a)實(shí)施融合，形成的融合結(jié)果如圖4所示。從圖4可見(jiàn)，融合圖像的視覺(jué)效果較好。

【參考文獻(xiàn)】：
期刊論文
[1]基于非下采樣剪切波變換和特征合成的醫(yī)學(xué)圖像融合算法[J]. 朱文維,李俊峰.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(10)
[2]二代Curvelet變換耦合細(xì)節(jié)度量模型的遙感圖像融合算法[J]. 羅娟,王立平,譚云蘭.  電子測(cè)量與儀器學(xué)報(bào). 2019(07)
[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]災(zāi)害遙感中SAR三維成像技術(shù)的研究與應(yīng)用[J]. 梁興東,卜運(yùn)成,張福博,王宇,陳龍永.  太赫茲科學(xué)與電子信息學(xué)報(bào). 2019(01)
[5]基于顯著區(qū)域分割和小波變換的遙感圖像融合[J]. 王帥,謝明鴻,黃秋萍,楊進(jìn).  信息技術(shù). 2019(01)
[6]改進(jìn)IHS-Curvelet變換融合可見(jiàn)光與紅外圖像抗暈光方法[J]. 郭全民,王言,李翰山.  紅外與激光工程. 2018(11)
[7]基于NSCT變換的高分三號(hào)SAR與光學(xué)圖像融合[J]. 易維,曾湧,原征.  光學(xué)學(xué)報(bào). 2018(11)
[8]圖像融合質(zhì)量評(píng)價(jià)方法研究綜述[J]. 楊艷春,李嬌,王陽(yáng)萍.  計(jì)算機(jī)科學(xué)與探索. 2018(07)
[9]基于Shearlet和稀疏表示的遙感圖像融合[J]. 趙學(xué)軍,劉靜.  科學(xué)技術(shù)與工程. 2017(04)
[10]一種基于局部方差相似度的自適應(yīng)圖像融合算法[J]. 陳孝培,楊學(xué)志,方帥,董張玉.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(12)



本文編號(hào)：3368367