耦合边缘检测与优化的多尺度遥感图像融合法

发布时间：2020-07-06 20:59

【摘要】：为了使融合图像在显著提高空间分辨率的同时,最大限度地融入多光谱图像的光谱信息,提出了一种结合Canny算子与非下采样Contourlet变换的粒子群优化的遥感图像融合方法。首先在IHS变换的基础上,利用Canny算子对全色图像进行边缘提取,根据边缘分布特征对全色图像和多光谱图像I分量进行边缘特征融合得到边缘加强的全色图像,然后对新的全色图像和多光谱图像I分量分别进行非下采样Contourlet变换,并在低频子带采用有选择性的加权求和融合规则,对于高频方向子带先利用粒子群优化算法寻找结构相似度的最优阈值p,再采用基于区域结构相似度的融合规则,最后经NSCT和IHS逆变换获得融合图像。仿真实验结果表明:提出的算法能很好地兼顾全色图像细节信息的保留和多光谱图像光谱信息的保持。
【图文】：

2017，53（11）ComputerEngineeringandApplications计算机工程与应用不同传感器的全色图像和多光谱进行仿真实验。第一组实验数据是分辨率为10m的SPOT全色图像（图2（a））和分辨率为28m的TM多光谱图像（图2（b）），配准方法采用的是ENVI4.8中的几何校正，控制点选取个数为13个，RMSError为1.382743；第二组实验数据是分辨率为0.5m的WorldView-2全色图像（图2（c））和分辨率为2m的WorldView-2多光谱图像（图2（d）），配准方法采用的是ENVI4.8中的几何校正，控制点选取个数为15个，RMSError为0.309862。仿真实验采用4种遥感图像融合方法对两组多源遥感图像进行融合实验。这4种方法分别是：（1）传统的基于彩色空间变换的IHS融合方法，该方法直接使用全色图像替换多光谱图像亮度I分量，简称TD-IHS，融合结果如图3（a）和（e）所示。（2）传统的NSCT融合方法，低频子带融合规则采用加权平均法，高频方向子带融合规则采用绝对值取大法，简称T-NSCT，融合结果如图3（b）和（f）所示。（3）一种改进的NSCT融合方法，与T-NSCT不同的是该方法采用与本文提出方法相同的高低频子带融合规则，在低频子带采用有选择的加权求和融合规则，在高频子带采用基于区域结构相似度的融合规则，简称N-NSCT，融合结果如图3（c）和（g）所示。（4）本文提出的融合方法。简称C-NSCT，融合结果如图3（d）和（h）所示。所有实验中基于NSCT的融合方法均分解为3个尺度，尺度从粗到精的方向分解个数分别为2，4，8个，尺度滤波器均为“maxflat”，方向滤波器组均为“dmaxflat7”。本文提出的融合方法与对比方法N-NSCT使用的是相同的低频和高频子带融合规则，为保证融合方法对比的有效性，这两种方法均采用相同的结构相似度最优阈值p。第一组实验数据高频子带?

淄枷瘢ㄍ?（b）），配准方法采用的是ENVI4.8中的几何校正，控制点选取个数为13个，RMSError为1.382743；第二组实验数据是分辨率为0.5m的WorldView-2全色图像（图2（c））和分辨率为2m的WorldView-2多光谱图像（图2（d）），配准方法采用的是ENVI4.8中的几何校正，控制点选取个数为15个，RMSError为0.309862。仿真实验采用4种遥感图像融合方法对两组多源遥感图像进行融合实验。这4种方法分别是：（1）传统的基于彩色空间变换的IHS融合方法，该方法直接使用全色图像替换多光谱图像亮度I分量，简称TD-IHS，融合结果如图3（a）和（e）所示。（2）传统的NSCT融合方法，低频子带融合规则采用加权平均法，高频方向子带融合规则采用绝对值取大法，简称T-NSCT，融合结果如图3（b）和（f）所示。（3）一种改进的NSCT融合方法，与T-NSCT不同的是该方法采用与本文提出方法相同的高低频子带融合规则，在低频子带采用有选择的加权求和融合规则，在高频子带采用基于区域结构相似度的融合规则，简称N-NSCT，融合结果如图3（c）和（g）所示。（4）本文提出的融合方法。简称C-NSCT，融合结果如图3（d）和（h）所示。所有实验中基于NSCT的融合方法均分解为3个尺度，尺度从粗到精的方向分解个数分别为2，4，8个，尺度滤波器均为“maxflat”，方向滤波器组均为“dmaxflat7”。本文提出的融合方法与对比方法N-NSCT使用的是相同的低频和高频子带融合规则，为保证融合方法对比的有效性，这两种方法均采用相同的结构相似度最优阈值p。第一组实验数据高频子带的全局最优阈值p1=0.2889，第二组实验数据高频子带的全局最优阈值p2=0.2958，小常数C1、C2均为0.0001。为了客观地评价融合图像，本文分别采用相对偏差（RelativeDeviation，RD?

2017，53（11）ComputerEngineeringandApplications计算机工程与应用不同传感器的全色图像和多光谱进行仿真实验。第一组实验数据是分辨率为10m的SPOT全色图像（图2（a））和分辨率为28m的TM多光谱图像（图2（b）），配准方法采用的是ENVI4.8中的几何校正，控制点选取个数为13个，RMSError为1.382743；第二组实验数据是分辨率为0.5m的WorldView-2全色图像（图2（c））和分辨率为2m的WorldView-2多光谱图像（图2（d）），配准方法采用的是ENVI4.8中的几何校正，控制点选取个数为15个，RMSError为0.309862。仿真实验采用4种遥感图像融合方法对两组多源遥感图像进行融合实验。这4种方法分别是：（1）传统的基于彩色空间变换的IHS融合方法，该方法直接使用全色图像替换多光谱图像亮度I分量，简称TD-IHS，融合结果如图3（a）和（e）所示。（2）传统的NSCT融合方法，低频子带融合规则采用加权平均法，高频方向子带融合规则采用绝对值取大法，简称T-NSCT，融合结果如图3（b）和（f）所示。（3）一种改进的NSCT融合方法，与T-NSCT不同的是该方法采用与本文提出方法相同的高低频子带融合规则，在低频子带采用有选择的加权求和融合规则，在高频子带采用基于区域结构相似度的融合规则，简称N-NSCT，融合结果如图3（c）和（g）所示。（4）本文提出的融合方法。简称C-NSCT，融合结果如图3（d）和（h）所示。所有实验中基于NSCT的融合方法均分解为3个尺度，尺度从粗到精的方向分解个数分别为2，4，8个，尺度滤波器均为“maxflat”，方向滤波器组均为“dmaxflat7”。本文提出的融合方法与对比方法N-NSCT使用的是相同的低频和高频子带融合规则，为保证融合方法对比的有效性，这两种方法均采用相同的结构相似度最优阈值p。第一组实验数据高频子带?

【相似文献】

相关期刊论文 前10条

1 周宏军;李江;蔡志刚;;一种小波包遥感图像融合方法[J];现代测绘;2008年01期

2 陈超;江涛;刘祥磊;;基于缨帽变换的遥感图像融合方法研究[J];测绘科学;2009年03期

3 柴勇;何友;曲长文;;遥感图像融合最新进展及展望[J];舰船电子工程;2009年08期

4 朱卫纲;周荫清;徐华平;李春升;;遥感图像融合效果客观评价[J];火力与指挥控制;2010年02期

5 孙洪泉;窦闻;易文斌;;遥感图像融合的研究现状、困境及发展趋势探讨[J];遥感信息;2011年01期

6 付和;;遥感图像融合的应用研究[J];科技创新导报;2011年09期

7 阮涛;那彦;王澍;;基于压缩感知的遥感图像融合方法[J];电子科技;2012年04期

8 吴连喜,梁波,刘晓梅;保持光谱信息的遥感图像融合方法研究(英文)[J];测绘学报;2005年02期

9 王艳;陈波;;遥感图像融合技术及其在土地资源动态监测中的应用[J];影像技术;2005年Z2期

10 林卉,肖剑平,杜培军;基于正交小波包遥感图像融合算法研究[J];空军工程大学学报(自然科学版);2005年02期

相关会议论文 前7条

1 马艳军;石爱业;徐立中;;基于区域特性选择的遥感图像融合方法[A];第十三届全国图象图形学学术会议论文集[C];2006年

2 梁波;吴连喜;陈竹安;段彩莲;苏小霞;;光谱锐化的遥感图像融合方法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年

3 葛雯;高立群;;基于非分离小波变换及形态学的遥感图像融合算法[A];2007'仪表，自动化及先进集成技术大会论文集（一）[C];2007年

4 成功;邓小青;;基于MATLAB的小波变换遥感图像融合研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

5 雷宏宇;钟广军;;基于Curvelet变换的快速遥感图像融合[A];第四届和谐人机环境联合学术会议论文集[C];2008年

6 赵鹏涛;刘刚;胡岑;王明昊;彭接力;;基于Laplace-PCA的遥感图像融合算法[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

7 石爱业;徐立中;黄风辰;;一种改进的基于小波变换的遥感图像融合方法[A];第二届全国信息获取与处理学术会议论文集[C];2004年

相关博士学位论文 前5条

1 陈志刚;基于Contourlet遥感图像融合与压缩技术研究[D];长春理工大学;2009年

2 郭立萍;基于支持向量机遥感图像融合分类方法研究[D];中国地质大学（北京）;2010年

3 田养军;基于提升小波分解曲波变换的多源遥感图像融合方法研究[D];长安大学;2009年

4 刘帆;基于小波核滤波器和稀疏表示的遥感图像融合[D];西安电子科技大学;2014年

5 徐彤阳;基于抗混叠Contourlet变换的遥感图像融合研究[D];上海大学;2011年

相关硕士学位论文 前10条

1 肖洋;基于贝叶斯网络及进化算法的遥感图像融合方法研究[D];华东师范大学;2016年

2 张晓;基于结构组稀疏表示的遥感图像融合方法研究[D];华南农业大学;2016年

3 王婷;遥感图像融合算法研究[D];浙江大学;2016年

4 胡晓婷;基于Shearlet变换的多源遥感图像融合算法研究[D];天津理工大学;2016年

5 万伟国;应急物流道路识别中的遥感图像融合方法研究[D];江西财经大学;2016年

6 瞿战伟;基于改进经验模式分解的遥感图像融合[D];浙江工商大学;2017年

7 李园园;基于多分辨分析的遥感图像融合技术研究[D];青岛大学;2009年

8 黄海东;基于多分辨率分析的遥感图像融合算法研究[D];复旦大学;2008年

9 罗俊;遥感图像融合方法及其在目标波谱反演中的应用研究[D];华中科技大学;2007年

10 姚媛;基于小波支持向量机的遥感图像融合[D];安徽大学;2010年

本文编号：2744123