為了解決遙感圖像融合方法在信息融合過程中因忽視了圖像中的顯著內容而導致融合圖像的空間特征不理想的問題,提出了二代Curvelet變換耦合顯著內容判定機制的遙感圖像融合算法。借助HSV變換,計算多光譜（MS）圖像的明度（V）分量;再采用二代Curelet變換對全色圖像以及V分量進行計算,輸出二者對應的頻域子帶。采用圖像的幅度譜特征,計算出圖像的顯著信息,通過對圖像進行分塊,以分塊圖像的顯著信息為依據,建立顯著內容判定機制,根據分塊圖像的顯著值,采用不同的方法來融合低頻子帶。最后,利用圖像的梯度值,構造細節(jié)測度因子,以計算出圖像的細節(jié)信息,實現高頻系數的融合。實驗結果顯示,相對于已有的遙感融合方案而言,所提算法的融合圖像擁有更好的光譜等特征,呈現出更高的標準差和相關系數值。 

【文章來源】：光學技術. 2020,46(06)北大核心CSCD

【文章頁數】：7 頁

【部分圖文】：

所提遙感圖像融合算法的過程

{ 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變換從MS圖像中分離出V分量的結果如圖2所示。

笛卡爾坐標下的窗口

【參考文獻】：
期刊論文
[1]基于HSV顏色空間的快速邊緣提取算法[J]. 王紅雨,尹午榮,汪梁,胡江顥,喬文超.  上海交通大學學報. 2019(07)
[2]基于多輸入密集連接神經網絡的遙感圖像時空融合算法[J]. 姚凱旋,曹飛龍.  模式識別與人工智能. 2019(05)
[3]基于二代Curvelet變換與近似度制約規(guī)則的遙感圖像融合算法[J]. 尹振鶴,朱輝生.  電子測量與儀器學報. 2019(04)
[4]基于深度殘差去噪網絡的遙感融合圖像質量提升[J]. 楊斌,王翔.  激光與光電子學進展. 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]低質遙感圖像壓縮域細節(jié)特征高效增強仿真[J]. 耿艷萍,趙麗,耿春艷.  計算機仿真. 2018(07)
[7]L1范數和分裂Bregman的遙感影像變分融合模型[J]. 侯昕廷,秦前清,孫濤,宋博,付志濤.  測繪科學. 2018(01)

碩士論文
[1]紅外圖像與可見光圖像融合研究與應用[D]. 汪廷.西安理工大學 2019



本文編號：3253851