基于相位一致性与PCNN的SAR和多光谱图像融合算法

针对合成孔径雷达(synthetic aperture radar,SAR)和多光谱图像融合结果易出现空间细节信息丢失问题,文章提出一种相位一致性和脉冲耦合神经网络(pulse coupled neural network,PCNN)相结合的图像融合方法。利用强度-色调-饱和度(intensity-hue-saturation,IHS)变换和非下采样shearlet变换(non-subsampled shearlet transform,NSST),将SAR和多光谱图像分别分解为低频系数和高频系数。从图像的空间结构和纹理特征入手,在低频中采用相位一致性融合规则,根据相位一致性提取的图像特征信息选择低频融合系数;在高频中采用PCNN的融合规则,有效保持图像的边缘纹理等细节信息。最后对融合后的高低频系数进行NSST逆变换和IHS逆变换,得到融合图像。针对哨兵1号SAR图像和Landsat-8多光谱图像进行实验结果表明,该方法在主观评价和客观评价方面均有明显提升,在保持光谱信息的同时,更好地提高了图像的空间细节表现能力。

全色和多光谱卫星图像的同步融合与去噪

为了获得较高的光谱和空间分辨率的图像,提出一种卫星混合融合方法,包括IHS变换和离散小波框架变换方法。该方法在融合图像过程中失真比较小的情况下获得高的光谱和空间分辨率,并比较了传统的融合方法和本文混合方法。实验结果证明,混合方法具有优越性。

基于颜色空间融合与上下文显著性的红外偏振图像目标增强

针对低对比度、岸岛背景、前景遮挡等复杂背景下前视红外图像在检测识别海面弱小目标困难的问题,提出一种基于红外偏振图像的海面弱小目标增强方法。开发了一种符合人视觉系统感知色彩的改进色调-饱和度-强度(HSI)颜色空间融合算法,融合海面图像中的红外偏振度信息与红外强度信息;设计一种基于红外偏振图像的海面区域分割方法,分割海面区域,并将其作为候选目标增强区域;利用上下文显著性算法计算海面HSI颜色空间融合图像的显著性,根据显著图修正海面HSI颜色空间融合图像,得到目标增强图像。采用目标与背景对比度和局部信噪比评价融合图像增强效果。结果表明,与现有方法相比,所提方法在不同场景下能增强目标并抑制背景干扰,评价指标高于现有方法,能够为海面舰船目标检测与识别提供支持。

基于小波变换的遥感图像融合方法研究

在针对同一地区低空间分辨率的多光谱图像与高空间分辨率的全色图像的融合方法中,传统的强度-色调-饱和度(IHS)变换容易出现颜色失真现象,而小波融合虽然能使融合图像在获得高空间分辨率的同时较好地保持原始光谱信息,但由于舍弃了高分辨率图像的低频分量,故很容易出现分块模糊现象。提出了一种基于IHS和小波变换融合的改进方法。提取多光谱图像强度分量并进行主成分分析(PCA),将变换得到的强度分量与全色图像进行小波融合,然后再进行IHS逆变换得到融合结果。经过主客观评价,实验证明,提出的融合方法不但充分表达了地物细节信息,而且很好地保留了原多光谱图像的光谱信息。