一种基于二代Curvelet变换的图像融合新算法

基于Curvelet变换,提出了一种新的融合算法.首先将图像进行Curvelet变换,然后对低频系数和高频系数采用不同的融合规则将Curvelet系数融合,最后进行重构得到融合结果.对该方法得到的融合图像进行了主客观评价和对比.实验结果表明,该方法得到的融合图像在图像边缘等细节上比其他方法得到的图像具有更好的视觉效果,在均方误差、峰值信噪比、相似度等客观指标上都优于其它方法.     

基于小波变换局部方差的遥感图像融合

为了充分利用各种感图像的信息，在分析以往图像融合方法优缺点的基础上提出了基于小波变换局部方差的融合方法，将各源图像进行小波分解，采用局部方差准则融合源图像的各分解层，再进行小波逆变换得到融合图像．利用信息熵等标准和其他融合方法进行比较，实验结果表明用此方法能得到更好的融合效果．     

基于第二代Curvelet变换的多聚焦图像融合方法研究

本文针对光学成像系统聚焦范围有限,很难使得同一场景中所有物体都清晰这一特点,将一种多尺度几何分析方法——第二代Curvelet变换引入到多聚焦图像融合之中。本文通过对多幅多聚焦图像Curvelet变换后的系数进行调整,再进行Curvelet反变换得到结果图像。实验结果表明,基于Curvelet变换的多聚焦图像融合结果好,空间质量得到显著提高。     

基于边缘检测和小波变换的遥感图像融合算法

针对多光谱图像和全色图像的特点,提出一种边缘检测和小波变换相结合的遥感图像融合方法。该方法在传统图像小波变换的基础上,选择Canny算子对图像进行边缘检测。在小波域中,在各个尺度层对高频子带采用边缘检测,将边缘点完整保留,低频子带利用加权法,再进行小波逆变换重构融合图像。实验结果显示,该方法在保证光谱信息的同时,能有效地突出边缘细节,更好地保持图像的空间分辨力。与传统小波变换法遥感图像融合相比,信息熵提高了6.63%,清晰度提高了32%,相关系数提高了0.36%。     

基于离散多小波变换的遥感图像融合方法

以不同分辨率的遥感图像为对象,基于Chui—Lian（CL）离散多小波变换的特性,提出了一种新的图像融合方法．该方法将两幅不同的源图像分别进行预处理和多小波分解得到各个分解图像,然后对分解图像分别采用基于区域特征的融合方法,得到混合的分解系数,通过多小波重构和后处理算法从而获得融合图像．该方法能够为图像融合提供一种比传统的小波变换更加精确的融合方法．实验结果证明采用这种方法可以得到更好的融合效果,不仅能够完好地显示源图像各自的信息,而且能更好地将源图像的细节融合在一起．     

基于二代Curvelet和PCA变换的遥感影像融合

提出了一种基于二代Curvelet变换和PCA变换的图像融合方法.首先对低分辨率多光谱图像进行PCA变换得到各个主成分,然后对高分辨率图像和低分辨率图像的前三个主分量进行Curvelet变换,并进行系数调整实现融合.最终得到PCA反变换后的融合图像.经实验结果表明,该方法有效,优于传统的融合方法.     

基于多小波变换的遥感图像融合算法研究

多小波是小波理论的扩展,多小波分析能够为图像提供一种比小波多分辨分析更加精确的分析方法。梯度加权平均法对高频小波系数的选取不是简单的丢弃,而是进行加权叠加,更大限度地保留了原始图像的信息。在遥感图像的融合中将两者结合,提出了一种基于多小波变换的遥感图像融合算法。以GHM多小波为例,通过Matlab编程实验,将梯度加权平均法融合结果与最大值选择法进行比较,得到了较好的效果。     

基于改进IHS变换的遥感图像融合新算法

为改善IHS变换对图像细节信息的丢失,提出了一种基于改进IHS变换的遥感图像融合新算法.针对IHS变换方法对多光谱图像和全色图像进行融合会丢失较多的光谱信息,利用基于变异量子行为的粒子群优化算法（MQPSO）改进IHS变换过程,通过MQPSO算法来求解IHS变换中光谱强度分量,将图像融合问题归结为最优化问题.仿真实验结...     

IHS变换域的遥感图像NSCT融合算法

针对非采样Contourlet变换(NSCT)在多光谱图像与全色图像融合时复杂度较大的问题,提出一种IHS变换域的多光谱图像与全色图像NSCT融合算法.该算法首先对多光谱图像进行IHS变换,然后再将强度分量图像与全色图像进行基于NSCT的融合,得到新的强度分量,最后再做IHS逆变换得到融合图像.实验结果表明,将IHS变换与NSCT相结合,有效地减少了融合计算量.另外与小波变换、Contourlet变换、NSCT等多分辨率分析的遥感图像融合算法相比,该算法还有效地减少了融合图像的光谱扭曲,提高了融合图像的视觉效果.     

基于小波变换的遥感图像融合算法

提出了一种基于小波变换的遥感图像融合的新方法。给出了梯度滤波器的矩阵形式，改进了Petrovic提出的灰度图像融合方法，并将其应用于ETM图像融合。和两幅原图像及灰度融合图像相比，新方法是有效的，不仅较大地增强了图像的空间细节表现能力，而且很好地保留了多光谱影像的光谱信息。     

遥感影像融合方法比较研究

影像融合是提高遥感影像特征提取、分类、目标识别能力的重要手段;为比较不同融合方法的融合效果,采用基于低通滤波的IHS变换融合法、PCA变换法、高通滤波法和Gram-Schmidt变换融合法对北京某地区的SPOT-5全色影像和TM多光谱影像进行融合试验,并采用均值、标准差、信息熵和相关系数4个评价指标对结果影像从信息保留性和光谱保持性上进行评价;结果表明:在4种方法中,Gram-Schmidt变换融合法在信息量的保持上具有最大优势,光谱保持性与PCA变化法持平;高通滤波法在对信息量的保留和光谱信息保持均较好,但融合结果的亮度性最差。     

基于小波变换的快鸟遥感影像数据融合

在给出小波变换基本模型的基础上 ,探讨了采用小波正交分解与重构来进行遥感信息融合的基本原理 .快鸟影像数据是目前新的高分辨率卫星遥感数据产品 ,在分析该数据特点的基础上 ,考虑采用小波变换应用于快鸟高分辨率卫星影像数据全色和多光谱数据的融合 ,并给出了具体的数学模型和实现流程 .作为实际应用 ,又详细给出了小波用于遥感数据融合的中间过程和最后结果 ,并通过分析影像融合的效果 ,提出了有效的成果调整方法 ,且说明了该方法是切实有效的     

基于小波变换的卫星遥感影像数据融合

遥感信息融合(Fusion)是遥感数据处理的重要内容之一。通过把高分辨率的全色影像与多光谱彩色低分辨率的数据叠加,可以最大限度地利用不同分辨率、不同光谱信息和不同时相分辨率的遥感信息。首先概括了已有的遥感平台与数据,在给出小波分解基本模型的基础上,探讨了采用小波变换进行遥感信息融合的基本方法和实现流程。同时利用该方法,用于SPOT全色卫星影像数据和Landsat TM多光谱数据的融合处理。作为实际应用,给出了详细的小波信息融合结果,并证明了该方法是切实可行的。     

基于Contourlet和IHS的遥感图像融合

针对目前最新发展的Contourlet变换较小波变换能提供更丰富的方向和形状,有助于捕捉图像中的几何结构,提出了一种新的基于Contourlet变换和IHS(Intensity-Hue-Saturation)变换的遥感图像融合方法,首先对多频谱图像进行IHS变换,然后对所得的亮度分量和全色图像分别进行Contourlet变换,再对得到的低频近似系数和高频细节系数采用一定的融合规则得到一个新的亮度分量,并对其做逆向的IHS变换得到融合图像.实验结果表明,该方法在保留多频谱图像的频谱信息的同时增强了融合图像的空间细节表现能力,提高了融合图像的信息量,并且优于同等条件下的小波变换方法,该方法是有效可行的.     

无人机遥感图像融合方法研究

针对待拼接的无人机遥感图像重叠区域不规则、焦距不固定、含噪声较多等问题, 在加权平均融合算法的基础上引入基于折线化思想的不规则重叠区域生成法, 减小算法误差, 并运用基于距离比的自适应算法实现权值自动匹配, 使算法在不受重叠区域形状限制的同时得到更精确的计算结果, 解决了图像拼接后融合区域分辨率低、拼接线明显的问题。仿真表明, 改进的加权平均融合算法在保持原算法快速性的同时, 达到了去除拼接缝隙、使图像融合区域过渡平滑的目的, 并获得了融合质量较好的大视野无缝拼接图像。     

多源遥感图像融合平台的设计与实现

介绍了图像融合的框架层次结构,以及像素层、特征层和决策层3层图像融合的方法及其相互关系。分析了图像融合平台的设计与实现方法,选择基于DS证据理论和模糊Kohonen神经网络聚类算法,进行了适当改进,并加以验证。结果表明,模糊Kohonen神经网络聚类算法的聚类精度和聚类速度都要优于传统算法。     

多源遥感数据融合方法的新探索

目前常用的几种遥感图像融合方法在不同的应用层面上有各自的优势,但也存在比如光谱信息丢失严重等现象。为此,首先分析对比了传统的4种融合方法,用高分辨率SPOT图像和多光谱TM图像分别运用4种融合方法进行图像融合的研究。在此基础上提出改进的多进制小波包融和方法,并通过主观与客观相结合的质量评价方法对融合效果进行比较。分析结果表明,主成分分析融合要比B rovey融合能够更好的刻画细节;多进制小波包融合所丢失的图像光谱信息为最低,能更好的刻画细节问题;乘积融合法在增强建筑物信息方面有比较突出的优势。     

基于梯度倒数的无人机遥感图像融合滤波方法

为了实现对无人机遥感图像去噪处理时兼顾滤波和边缘保持效果,提出了一种基于梯度倒数的无人机遥感图像融合滤波方法——梯度倒数自适应开关均中值滤波。首先计算出模板内中心像素点与邻近像素点的梯度导数;然后选取局部梯度变化阈值,并定义标志数组来标记各像素点是否超过梯度变换阈值。最后,如果当前滤波像素点超过梯度阈值,则采用提出的自适应开关均中值滤波;否则采用梯度倒数加权平滑方法处理。该方法结合了图像的梯度信息,利用图像的连通性和相关性原理以及自适应开关均中值滤波算法去噪的优点,在去除高斯噪声和脉冲噪声同时可以很好地保持图像的边缘和细节信息。实验结果表明:与传统梯度倒数加权平滑方法相比,算法滤波后图像的平均梯度提升3. 16%,MSE下降了约5%,可以有效提升滤波后无人机遥感图像质量,应用价值明显。     

一种基于非降采样Contourlet变换的遥感图像融合方法

给出了一种非降采样Contourlet变换和HIS变换相结合的遥感图像融合算法.非降采样Contourlet变换是一种平移不变的小波变换方法,且具有良好的方向选择性,其对图像做多分辨率分析得到的高频子带,有效地表达了图像中的细节特征信息.结合HIS变换,非降采样Contourlet变换将细节注入到多光谱图像得到的融合图像,不但具有较高的空间分辨率,而且有效保持了多光谱图像的光谱特征.实际的SPOT全色图像和TM多光谱波段融合结果表明,所提议方法的性能优于目前广泛使用的小波域方法如离散小波变换和A Trous小波变换以及Contourlet变换等融合方法.