為了提高全色圖像與多光譜圖像的融合質(zhì)量,提出一種基于非下采樣雙樹復(fù)輪廓波變換和稀疏表示的圖像融合算法.對多光譜圖像進(jìn)行亮度-色度-飽和度變換,再對亮度分量和全色圖像進(jìn)行直方圖匹配及亮度平滑濾波處理.利用非下采樣雙樹復(fù)輪廓波變換處理亮度分量和全色圖像,得到對應(yīng)的高低頻系數(shù).對于低頻系數(shù),利用稀疏表示進(jìn)行融合,采用空間頻率和l1范數(shù)雙指標(biāo)取大的融合規(guī)則得到稀疏表示系數(shù);對于高頻系數(shù),將改進(jìn)的拉普拉斯能量和作為脈沖耦合神經(jīng)網(wǎng)絡(luò)的外部輸入項,提出了改進(jìn)的脈沖耦合神經(jīng)網(wǎng)絡(luò)的融合策略.最后進(jìn)行非下采樣雙樹復(fù)輪廓波逆變換和亮度-色度-飽和度逆變換得到融合結(jié)果.實驗結(jié)果表明,該算法最大限度地保留光譜信息的同時可以提高空間分辨率,視覺效果及客觀指標(biāo)均優(yōu)于經(jīng)典的融合算法. 

【文章來源】：光子學(xué)報. 2016年01期 第16-23頁 北大核心

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引言
1 NSDTCT原理
2 圖像稀疏表示理論
    2.1 圖像的稀疏表示
    2.2 構(gòu)造過完備字典
3結(jié)合NSDTCT和稀疏表示的圖像融合算法
    3.1 基本框架
    3.2 低頻融合規(guī)則
    3.3 高頻融合規(guī)則
        3.3.1 Sigmoid-PCNN
        3.3.2 外部輸入項SML
        3.3.3 高頻融合的具體步驟
4 融合實驗與性能分析
5 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)梯度投影NMF和復(fù)Contourlet變換的遙感圖像融合[J]. 吳一全,沈毅,殷駿.  光子學(xué)報. 2014(05)
[2]改進(jìn)NSCT和IHS變換相結(jié)合的遙感影像融合[J]. 劉慧,周可法,王金林,王珊珊.  中國圖象圖形學(xué)報. 2014(02)
[3]基于訓(xùn)練字典的遙感圖像融合[J]. 劉婷,程建.  計算機(jī)工程與應(yīng)用. 2013(19)
[4]小波變換和稀疏表示相結(jié)合的遙感圖像融合[J]. 劉婷,程建.  中國圖象圖形學(xué)報. 2013(08)
[5]Shearlet與改進(jìn)PCNN相結(jié)合的圖像融合[J]. 廖勇,黃文龍,尚琳,李鵬.  計算機(jī)工程與應(yīng)用. 2014(02)
[6]結(jié)合Contourlet和HSI變換的組合優(yōu)化遙感圖像融合方法[J]. 宋夢馨,郭平.  計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2012(01)



本文編號：2907403