| 结合NSDTCT和稀疏表示的遥感图像融合 |
| |
| 引用本文： | 殷明,庞纪勇,魏远远,段普宏. 结合NSDTCT和稀疏表示的遥感图像融合[J]. 光子学报, 2016, 0(1): 10-17. DOI: 10.3788/gzxb20164501.0110002 |
| |
| 作者姓名： | 殷明 庞纪勇 魏远远 段普宏 |
| |
| 作者单位： | 合肥工业大学 数学学院,合肥,230009 |
| |
| 基金项目： | 国家自然科学基金(No.11172086)、安徽省自然科学基金(No.1308085MA09)和安徽省教育厅自然科学研究重点项目(No.KJ2013A216)资助 The National Natural Science Foundation of China (No.11172086) |
| |
| 摘 要： | 为了提高全色图像与多光谱图像的融合质量,提出一种基于非下采样双树复轮廓波变换和稀疏表示的图像融合算法.对多光谱图像进行亮度-色度-饱和度变换,再对亮度分量和全色图像进行直方图匹配及亮度平滑滤波处理.利用非下采样双树复轮廓波变换处理亮度分量和全色图像,得到对应的高低频系数.对于低频系数,利用稀疏表示进行融合,采用空间频率和l1范数双指标取大的融合规则得到稀疏表示系数;对于高频系数,将改进的拉普拉斯能量和作为脉冲耦合神经网络的外部输入项,提出了改进的脉冲耦合神经网络的融合策略.最后进行非下采样双树复轮廓波逆变换和亮度-色度-饱和度逆变换得到融合结果.实验结果表明,该算法最大限度地保留光谱信息的同时可以提高空间分辨率,视觉效果及客观指标均优于经典的融合算法.
|
| 关 键 词： | 图像处理 遥感图像融合 非下采样双树复轮廓波变换 稀疏表示 脉冲耦合神经网络 改进的拉普拉斯能量和 |
Remote Sensing Image Fusion Based on Non-subsampled Dual-tree Complex Contourlet Transform and Sparse Representation |
| |
| Abstract: | |
| |
| Keywords: | Image processing Remote sensing image fusion Non-subsampled dual-tree complex contourlet transform Sparse representation Pulse coupled neural network Sum-modified Laplacian |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
