基于NSCT变换的遥感图像融合算法研究

发布时间：2020-05-13 15:12

【摘要】：遥感图像融合是将多种传感器图像的互补信息进行重新整合,生成一幅具有更精确、更丰富信息的合成图像,其中多光谱与全色图像融合是遥感图像融合处理中研究最广泛的融合类型。多光谱图像与全色图像融合可以在提高空间分辨率的同时较好地保留了多光谱图像的光谱信息,能够充分利用遥感图像的空间信息与光谱信息,充分发挥各种遥感传感器的优势。本文在分析了多种像元级遥感图像融合方法的基础上,重点研究了具有多尺度、多方向与平移不变性的多尺度分解方法--非下采样轮廓波(NSCT)变换,并根据NSCT分解得到的低频子带系数与高频子带系数的差异分别制定不同的融合规则,提出了两种基于NSCT的遥感图像融合算法:S_NSCT算法--引入了空间频率与区域能量来制定子带系数的融合规则,空间频率表示图像的总体活跃程度,区域能量能够有效地突出图像的细节纹理,保证图像的清晰度,以此提出了基于低频子带系数空间频率取大高频子带系数区域能量加权的NSCT融合算法;P_NSCT--PCNN模型具有全局耦合、脉冲同步的特性,结合空间频率、区域能量参与子带系数融合规则的制定,充分地利用图像特征信息的相关性,其融合结果光谱失真小,空间细节结构清晰,以此提出了基于空间频率与区域能量驱动PCNN模型的NSCT融合算法。为了验证本文提出的两种遥感图像融合算法的实用性,本文选择了四种不同的遥感数据作为融合实验的源数据,包括:Landsat8遥感图像、GF-1卫星图像、“吉林一号”光学A星遥感图像、SPOT与TM的多源遥感图像,并选择NSCT-PCNN算法、NSCT算法、IHS算法/PCA算法以及Gram-Schmidt算法进行对比分析。实验结果显示S_NSCT算法融合的图像各波段的平均梯度AG值最大,P_NSCT算法融合的图像各波段的信息熵EN、相关系数CL、标准差SD最大,光谱扭曲WR最小。结果表明本文提出的遥感图像融合算法的图像信息丰富、光谱扭曲度小、图像清晰度高,有效地提高了多光谱与全色融合图像的质量,其中S_NSCT算法融合的图像细节特征更丰富,P_NSCT算法融合的图像光谱信息更丰富。
【图文】：

高分一号卫星融合结果(a)多光谱图像τR,G,B三波段υ,(b)全色图像,(c)S_NSCT算

多源遥感图像融合结果(a)TM多光谱图像τRGB波段υ,(b)SPOT全色波段，，(c)S_NSCT
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP751

【参考文献】

相关期刊论文 前3条

1 伊力哈木·亚尔买买提;谢丽蓉;孔军;;基于PCA变换与小波变换的遥感图像融合方法[J];红外与激光工程;2014年07期

2 白照广;;高分一号卫星的技术特点[J];中国航天;2013年08期

3 殷兵;于梅;梁栋;鲍文霞;;基于小波-Contourlet变换和区域能量融合规则的图像融合算法[J];计算机应用研究;2008年07期

相关博士学位论文 前1条

1 叶传奇;基于多尺度分解的多传感器图像融合算法研究[D];西安电子科技大学;2009年

相关硕士学位论文 前3条

1 张鹏;基于区域能量和图像块匹配的图像融合算法研究[D];北京交通大学;2018年

2 赵成晨;基于改进PCNN和稀疏表示的非下采样剪切波域医学图像融合[D];河北大学;2017年

3 郭磊;基于Contourlet变换的图像融合及融合指标研究[D];吉林大学;2014年

本文编号：2662145