基于二代Curvelet变换耦合显著判定机制的遥感图像融合算法

发布时间：2021-06-28 06:58

　　为了解决遥感图像融合方法在信息融合过程中因忽视了图像中的显著内容而导致融合图像的空间特征不理想的问题,提出了二代Curvelet变换耦合显著内容判定机制的遥感图像融合算法。借助HSV变换,计算多光谱（MS）图像的明度（V）分量;再采用二代Curelet变换对全色图像以及V分量进行计算,输出二者对应的频域子带。采用图像的幅度谱特征,计算出图像的显著信息,通过对图像进行分块,以分块图像的显著信息为依据,建立显著内容判定机制,根据分块图像的显著值,采用不同的方法来融合低频子带。最后,利用图像的梯度值,构造细节测度因子,以计算出图像的细节信息,实现高频系数的融合。实验结果显示,相对于已有的遥感融合方案而言,所提算法的融合图像拥有更好的光谱等特征,呈现出更高的标准差和相关系数值。 

【文章来源】：光学技术. 2020,46(06)北大核心CSCD

【文章页数】：7 页

【部分图文】：

所提遥感图像融合算法的过程

{ R=V,G=f,B=a,(u=0) R=d,G=V,B=a,(u=1) R=a,G=V,B=f,(u=2) R=a,G=d,B=V,(u=3) R=f,G=a,B=V,(u=4) R=V,G=a,B=d,(u=5) ?????? ??? (8) { a=V×(1-S) d=V×(1-Se) f=V×[1-S×(1-e)] ?????? ??? (9)采用HSV变换从MS图像中分离出V分量的结果如图2所示。

笛卡尔坐标下的窗口

【参考文献】：
期刊论文
[1]基于HSV颜色空间的快速边缘提取算法[J]. 王红雨,尹午荣,汪梁,胡江颢,乔文超.  上海交通大学学报. 2019(07)
[2]基于多输入密集连接神经网络的遥感图像时空融合算法[J]. 姚凯旋,曹飞龙.  模式识别与人工智能. 2019(05)
[3]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)
[4]基于深度残差去噪网络的遥感融合图像质量提升[J]. 杨斌,王翔.  激光与光电子学进展. 2019(16)
[5]Seismic Attribute Analysis with Saliency Detection in Fractional Fourier Transform Domain[J]. Yuqing Wang,Zhenming Peng,Yan Han,Yanmin He.  Journal of Earth Science. 2018(06)
[6]低质遥感图像压缩域细节特征高效增强仿真[J]. 耿艳萍,赵丽,耿春艳.  计算机仿真. 2018(07)
[7]L1范数和分裂Bregman的遥感影像变分融合模型[J]. 侯昕廷,秦前清,孙涛,宋博,付志涛.  测绘科学. 2018(01)

硕士论文
[1]红外图像与可见光图像融合研究与应用[D]. 汪廷.西安理工大学 2019



本文编号：3253851