针对序贯式融合方法常常会降低多波段图像间原有差异的问题,提出了基于嵌入式多尺度变换(embedded multi-scale transform,EMT)和局部差异特征的多波段图像融合方法.利用支持度变换法(support value transform,SVT)分别分解多波段图像;...针对序贯式融合方法常常会降低多波段图像间原有差异的问题,提出了基于嵌入式多尺度变换(embedded multi-scale transform,EMT)和局部差异特征的多波段图像融合方法.利用支持度变换法(support value transform,SVT)分别分解多波段图像;再采用四叉树(quad-tree,QT)法分解灰度值较分散的某波段图像的最后一层低频成分图像,以分解得到的块图像为标准分别分割其他波段的最后一层低频成分图像;采用可能性理论的析取融合规则对多波段低频块图像进行特征级融合;遍历所有块得到低频融合图像块;将拼接得到的低频融合图像与像素级逐层融合得到的支持度图像序列进行逆变换,获得最终融合图像.实验结果表明:四叉树分解融合有显著效果,与单纯的四叉树融合相比,嵌入式多尺度分解融合图像的边缘强度提高了13.31%,对比度提升了2.63%,熵提高了4.26%,运行时间下降了87.11%,证明了所提出方法的有效性.展开更多
文摘针对序贯式融合方法常常会降低多波段图像间原有差异的问题,提出了基于嵌入式多尺度变换(embedded multi-scale transform,EMT)和局部差异特征的多波段图像融合方法.利用支持度变换法(support value transform,SVT)分别分解多波段图像;再采用四叉树(quad-tree,QT)法分解灰度值较分散的某波段图像的最后一层低频成分图像,以分解得到的块图像为标准分别分割其他波段的最后一层低频成分图像;采用可能性理论的析取融合规则对多波段低频块图像进行特征级融合;遍历所有块得到低频融合图像块;将拼接得到的低频融合图像与像素级逐层融合得到的支持度图像序列进行逆变换,获得最终融合图像.实验结果表明:四叉树分解融合有显著效果,与单纯的四叉树融合相比,嵌入式多尺度分解融合图像的边缘强度提高了13.31%,对比度提升了2.63%,熵提高了4.26%,运行时间下降了87.11%,证明了所提出方法的有效性.
