為解決融合圖像不同程度的光譜失真問(wèn)題,提出了一種結(jié)合灰色關(guān)聯(lián)分析、模糊推理和IHS變換的圖像融合算法。首先通過(guò)灰色關(guān)聯(lián)分析和模糊推理算出全色圖像的邊緣點(diǎn)和非邊緣點(diǎn),得到豐富的邊緣信息,然后對(duì)多光譜圖像進(jìn)行IHS變換,以亮度分量為依據(jù)對(duì)全色圖像進(jìn)行直方圖匹配,再基于邊緣信息對(duì)亮度分量和直方圖匹配后的全色圖像進(jìn)行線(xiàn)性加權(quán),最后通過(guò)IHS逆變換得到融合圖像。為驗(yàn)證本文方法的有效性,與5種常用方法比較,從視覺(jué)和定量?jī)煞矫孢M(jìn)行評(píng)價(jià),且采用降尺度評(píng)價(jià)和全分辨率評(píng)價(jià)。結(jié)果表明,該方法得到的融合圖像比其他5種方法更優(yōu)越。本文方法不僅提高了遙感圖像的空間分辨率,也較好保留了多光譜圖像的光譜信息。

【文章頁(yè)數(shù)】：13 頁(yè)

【部分圖文】：

圖1輸入輸出對(duì)應(yīng)的隸屬度函數(shù)

隸屬度函數(shù)作為模糊推理中的重要一環(huán)，是否正確地構(gòu)造隸屬度函數(shù)是能否用好模糊推理的關(guān)鍵之一。輸入輸出對(duì)應(yīng)的隸屬度函數(shù)，如圖1所示，模糊推理規(guī)則如表1所示。本文定義模糊集合對(duì)應(yīng)的語(yǔ)言變量為黑和白，其中黑表示輸入隸屬度與圖像灰度值呈負(fù)相關(guān)，白表示輸入隸屬度與圖像灰度值呈正相關(guān)，輸入隸屬....

圖2圖像融合流程圖

(6)用最終的亮度分量I″和色度（H）分量和飽和度（S）分量進(jìn)行IHS逆變換，得到最終的融合圖像。融合步驟的流程圖如圖2所示。2實(shí)驗(yàn)結(jié)果和分析

圖3Lena圖像邊緣檢測(cè)結(jié)果

為了選取灰色關(guān)聯(lián)分析的關(guān)聯(lián)度閾值θ，本文對(duì)lena圖邊緣檢測(cè)進(jìn)行了不同閾值的驗(yàn)證，如圖3所示。閾值為0.92的圖像因閾值較低而造成邊緣丟失的情況；閾值為0.94的圖像能夠檢測(cè)出豐富的邊緣細(xì)節(jié)；閾值為0.96的圖像所得邊緣較“厚”，邊緣定位精度不高，含有大量虛假邊緣。實(shí)驗(yàn)表明，不同....

圖4不同方法邊緣檢測(cè)結(jié)果對(duì)比

圖3Lena圖像邊緣檢測(cè)結(jié)果由圖4可以看出，基于灰色關(guān)聯(lián)分析和模糊推理的邊緣檢測(cè)方法最佳，提取出的邊緣最全。canny算子提取出的邊緣不齊全但是對(duì)提取的邊緣進(jìn)行了細(xì)化，視覺(jué)效果更佳�；诨疑P(guān)聯(lián)分析法邊緣檢測(cè)與基于灰色關(guān)聯(lián)分析和模糊推理的邊緣檢測(cè)相似，但是在圖像的細(xì)節(jié)邊緣方面，....

本文編號(hào)：3925348