结合最优亮度分量的遥感图像融合方法

针对基于亮度色调饱和度变换的遥感图像融合方法中存在的光谱损失问题,提出了一种结合最优亮度分量的融合方法.根据全色图像的亮度分量,利用克隆选择算法给出每幅单光谱图像对应的全局优化权值,该权值可反映出每幅单光谱图像相对于全色图像亮度分量中所占的折中比例,从而减弱了单光谱图像间的相关性,可获得更加逼近全色图像的亮度分量;利用最优亮度分量在改进的空间分辨率增加(ARSIS)框架下获取具有高分辨率的多光谱图像.算法针对快鸟卫星图像数据的实验结果,验证了新方法在降低光谱损失和增强融合图像细节信息方面的有效性,所获得的融合后的高分辨率多光谱图像具有较小的光谱损失.

基于Sobel算子的小波包变换遥感图像融合算法

针对遥感图像融合时图像的空间信息与光谱信息不易兼容的问题,在小波包变换的基础上提出了一种基于Sobel算子的图像融合算法。该方法将多光谱图像与高分辨率图像进行小波包变换,根据阈值选用不同的融合准则得到小波低频系数,利用Sobel算子提取图像高频特征值,采用最值法获取高频系数。实验结果表明,所提算法优于传统的HIS(Intensity,Hue,Saturation)变换、小波变换以及两者结合的方法,在较好地保留图像光谱信息的同时,进一步增强图像的细节信息、边缘特征,从而提高图像的清晰度。

基于扩展相位拉伸变换的多聚焦图像融合算法

针对目前传统多聚焦图像融合中图像局部模糊不易度量,融合策略难以设计等问题,提出一种新的相位拉伸核函数,形成基于扩展相位拉伸变换的多聚焦图像融合算法。该算法将传统的线性或次线性群延迟相位滤波器推广到非线性群延迟相位滤波器,并从理论上证明,这种扩展相位拉伸变换的逆变换相位近似于原始图像的归一化二阶梯度,将图像高频特征传统的梯度极值表达转换为角度或相位表达,利用角度/相位图像局部方差对清晰与模糊图像良好的区别特性设计出基于扩展相位拉伸变换局部相位方差度量的融合策略,克服了目前融合方法存在的不足。利用MATLAB软件平台对Lytro数据集中的相当数量多聚焦图像数据进行融合实验,与传统基于离散小波变换、拉普拉斯、超分辨率、引导滤波和联合卷积自编码网络算法等融合算法结果进行对照分析。结果表明,本文算法的融合图像明显优于传统最好的融合算法,融合图像的互信息、信息熵、空间频率、平均梯度及结构相似性等指标比现有的其他方法提高5%以上,证明了所提算法的优越性与实用性。

基于显著性分析的自适应遥感图像融合

针对遥感图像融合中,不同地物区域对空间与光谱信息要求不同的问题,提出了一种基于显著性分析的自适应遥感图像融合算法。结合多尺度谱残差分析模型,将遥感图像分为纹理、边缘丰富的显著区域与纹理、边缘较少的非显著区域,对显著性不同的区域采用不同融合算法。针对居民区、道路等纹理、边缘信息丰富的显著区域,采用窗均值亮度色调饱和度(IHS)变换,较好地保留了空间细节;针对农田、山地等非显著区域,采用基于小波变换的融合策略保留较多光谱信息。实验结果表明,新算法能使融合结果中的显著区域保留更多空间细节,非显著区域保留更多光谱信息,为今后的遥感图像融合研究提供了一定的理论与应用价值。