本文關鍵詞：基于NSST域隱馬爾可夫樹模型的SAR和灰度可見光圖像融合

  更多相關文章： 非下采樣剪切波變換 隱馬爾可夫 圖像融合

【摘要】：針對合成孔徑雷達(SAR)圖像和可見光圖像融合問題,提出一種基于非下采樣剪切波變換域的隱馬爾可夫樹模型的圖像融合方法 (NHMM),圖像經(jīng)過非下采樣剪切波變換(NSST)分解形成一個低頻子帶和多個高頻子帶.在NSST域中,對低頻系數(shù)采用基于標準差的融合策略;針對高頻子帶,建立NSST域隱馬爾可夫樹(HMT)模型對高頻系數(shù)進行訓練,并根據(jù)梯度能量對訓練后的高頻系數(shù)進行選擇,最后通過NSST逆變換得到融合圖像.實驗結果表明,所提出的方法可提高圖像的融合質量,并能降低圖像噪聲,具有一定的有效性和實用性.
【作者單位】： 空軍工程大學防空反導學院;空軍95806部隊;
【關鍵詞】： 非下采樣剪切波變換 隱馬爾可夫 圖像融合
【基金】：國家自然科學基金青年基金項目(61309008)
【分類號】：TN957.52
【正文快照】： 0引言圖像融合[1]是指利用多源傳感器獲得的冗余和互補信息,將兩幅或多副圖像融合為一幅更準確、精確的合成圖像.由于具有方向性和各向異性的特點,多尺度分解已廣泛應用于圖像融合領域.基于非下采樣輪廓波變換(NSCT)的圖像融合方法是目前圖像融合領域的研究熱點,該方法不僅繼

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉震;王厚軍;龍兵;張治國;;一種基于加權隱馬爾可夫的自回歸狀態(tài)預測模型[J];電子學報;2009年10期

2 李成,宋執(zhí)環(huán),李平;基于小波域隱馬爾可夫樹模型的過程趨勢分析[J];信息與控制;2005年03期

3 楊兵,謝維信;基于基因算法的隱馬爾可夫模型參數(shù)估計[J];系統(tǒng)工程與電子技術;2002年07期

4 孫俊喜,趙永明,陳亞珠;基于小波域隱馬爾可夫樹模型的超聲圖象貝葉斯去噪[J];中國圖象圖形學報;2003年06期

5 周越,許晴;基于隱馬爾可夫復合樹模型的圖像紋理分析[J];數(shù)據(jù)采集與處理;2004年04期

6 王華華;周越;楊杰;戈新良;;基于正交余弦變換域概率主成分分析的嵌入隱馬爾可夫人臉識別模型[J];上海交通大學學報;2007年06期

7 景明利;周雪芹;;基于小波域的隱馬爾可夫樹模型的圖像去噪[J];昆明理工大學學報(理工版);2008年05期

8 彭玲,趙忠明,馬江林;基于樹狀分解隱馬爾可夫樹的紋理分類模型研究[J];武漢科技大學學報(自然科學版);2004年04期

9 江艷霞;周宏仁;敬忠良;;基于拉普拉斯臉和隱馬爾可夫的視頻人臉識別[J];計算機工程;2007年01期

10 蘇濤,張登福,畢篤彥;基于小波域分類隱馬爾可夫樹模型的圖像去噪[J];紅外與激光工程;2005年02期

中國碩士學位論文全文數(shù)據(jù)庫 前5條

1 苗聰聰;基于隱馬爾可夫樹模型與旋轉不變性的遙感圖像紋理檢索方法研究[D];中國礦業(yè)大學;2015年

2 鐘微;基于隱馬爾可夫協(xié)議分析的無線網(wǎng)絡入侵檢測技術研究[D];電子科技大學;2013年

3 馬晶晶;基于隱馬爾可夫理論的駕駛意圖辨識研究[D];長沙理工大學;2012年

4 韓景靈;基于協(xié)議的隱馬爾可夫網(wǎng)絡入侵檢測系統(tǒng)研究[D];山西大學;2007年

5 葛馨遠;小波域HMT模型的應用研究[D];華北電力大學（北京）;2009年

，

本文編號：592624