基于框架域的随机游走全色锐化方法
发布时间:2020-10-31 04:48
针对多光谱图像与全色图像的融合问题,提出了一种新的全色锐化方法。该方法首先通过亮度、色调、饱和度(IHS)变换与非下采样框架变换将原图像从空间域变换到框架域,然后利用基于图论的随机游走,建立高频框架系数的统计融合模型。此模型根据高频框架系数的邻域相关性与尺度相关性构造新的随机游走协调函数,将高频框架系数融合权重的估计转化为随机游走标记问题的求解。实验结果表明,该方法有利于保持图像的光谱信息和边缘轮廓信息,可以在降低融合图像光谱误差的同时提高空间分辨率,并且优于一些主流全色锐化方法。
【文章目录】:
引用格式:
1 IHS变换与框架变换
1.1 图像的IHS变换
1.2 图像的框架变换
2 随机游走基本原理
3 高频框架系数的统计融合模型
3.1 高频框架系数的统计特性
3.2 基于高频框架系数统计特性的协调函数构造
3.2.1(w1s,k)i,l的构造
3.2.2(w2s,k)i,j的构造
3.3 高频框架系数融合权重的求解
3.4 融合算法流程
4 实验与结果分析
4.1 实验数据与评价指标
4.2 参数选取
4.2.1 分解尺度J的分析
4.2.2 参数kn的分析
4.3 与其他全色锐化方法的比较
4.4 计算复杂度
5 结论
本文编号:2863468
【文章目录】:
引用格式:
1 IHS变换与框架变换
1.1 图像的IHS变换
1.2 图像的框架变换
2 随机游走基本原理
3 高频框架系数的统计融合模型
3.1 高频框架系数的统计特性
3.2 基于高频框架系数统计特性的协调函数构造
3.2.1(w1s,k)i,l的构造
3.2.2(w2s,k)i,j的构造
3.3 高频框架系数融合权重的求解
3.4 融合算法流程
4 实验与结果分析
4.1 实验数据与评价指标
4.2 参数选取
4.2.1 分解尺度J的分析
4.2.2 参数kn的分析
4.3 与其他全色锐化方法的比较
4.4 计算复杂度
5 结论
本文编号:2863468
本文链接:https://www.wllwen.com/guanlilunwen/gongchengguanli/2863468.html