基于NSST的PCNN-SR卫星遥感图像融合方法

发布时间：2021-03-03 03:55

　　针对卫星传感器成像的特点,提出了一种基于非下采样剪切波变换的脉冲耦合神经网络与稀疏表示相结合的卫星遥感图像融合方法。通过使用不同的融合规则对子带系数进行融合,得到信息更丰富的多光谱图像。为了验证该方法的有效性,实验过程使用了地球眼卫星数据和快鸟卫星数据,实验结果表明,该方法的实验结果无论从视觉效果还是客观评价指标上均优于对比方法得到的结果。 

【文章来源】：航天控制. 2020,38(02)北大核心

【文章页数】：7 页

【部分图文】：

NSST的多尺度多方向分解过程

算法流程图

为了能更好地说明本文算法的融合效果，将本文算法与3种不同的算法进行对比，分别为:NSCT算法、SML-EN算法[16]、EN-SR算法[17]。对于NSCT算法，高频分量用能量取大方式处理，低频系数采用平均方法处理。对于SML-EN算法，高频分量采取SML作为改进PCNN算法的输入，低频分量用能量取大方式处理。对于EN-SR算法，低频分量用稀疏表示方法处理，高频分量用能量取大方式处理。实验结果如图4和图5所示。图4 地球眼卫星图像实验结果对比

【参考文献】：
期刊论文
[1]基于二代Curvelet变换与近似度制约规则的遥感图像融合算法[J]. 尹振鹤,朱辉生.  电子测量与仪器学报. 2019(04)
[2]非下采样Contourlet变换耦合区域信息特征的遥感图像融合算法[J]. 张淑艳,朱娟,王超,田纪亚,曾小慧.  计算机应用与软件. 2019(04)
[3]非下采样Shearlet变换耦合边缘制约的遥感图像融合算法[J]. 吴亮,刘国英.  电子测量与仪器学报. 2019(01)
[4]基于学习字典的机器人图像稀疏表示方法[J]. 郭俊锋,李育亮.  自动化学报. 2020(04)
[5]基于近似l0范数的稀疏信号重构[J]. 聂栋栋,弓耀玲.  计算机研究与发展. 2018(05)
[6]高分辨率遥感影像下沿海地区地表覆盖信息的提取[J]. 周星宇,张继贤,高绵新,桑会勇,翟亮.  测绘通报. 2017(02)
[7]静止气象卫星多光谱图像的预处理方法研究[J]. 孙彦子,范红,陈静,马海全.  微型机与应用. 2016(17)
[8]字典学习模型、算法及其应用研究进展[J]. 练秋生,石保顺,陈书贞.  自动化学报. 2015(02)
[9]基于光谱响应函数的ZY-3卫星图像融合算法研究[J]. 王力彦,赵冬,陈建平.  宇航学报. 2014(08)



本文编号：3060549