针对现有图像融合算法无法较好兼顾空间和光谱质量的问题,提出了一种结合边缘掩膜图的非下采样轮廓波图像融合算法,通过边缘掩膜图指导非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT)后的高、低频系数融合来改善现有问...针对现有图像融合算法无法较好兼顾空间和光谱质量的问题,提出了一种结合边缘掩膜图的非下采样轮廓波图像融合算法,通过边缘掩膜图指导非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT)后的高、低频系数融合来改善现有问题。首先,对多光谱图像主成分分析变换(principal component analysis,PCA)后的第一主分量和全色图像进行NSCT变换,获取对应的近似图像、细节图像。其次,通过近似图像、细节图像分别提取边缘掩膜图。进而,结合边缘掩膜图,根据近似图像、细节图像不同区域的特性指导融合过程。最终,由相应的逆变换获取融合结果。实验分别采用QuickBird、Landsat和Pleiades卫星数据进行算法验证,并与传统的基于PCA变换、小波变换(wavelet transform,WT)、改进的小波算法(new wavelet method based on local algorithm,LAWT)和基于轮廓波变换(contourlet transform,CT)的融合算法进行比较分析。实验结果表明,该方法在空间分辨率提高和光谱特性保持上,综合性能优越。展开更多
文摘针对现有图像融合算法无法较好兼顾空间和光谱质量的问题,提出了一种结合边缘掩膜图的非下采样轮廓波图像融合算法,通过边缘掩膜图指导非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT)后的高、低频系数融合来改善现有问题。首先,对多光谱图像主成分分析变换(principal component analysis,PCA)后的第一主分量和全色图像进行NSCT变换,获取对应的近似图像、细节图像。其次,通过近似图像、细节图像分别提取边缘掩膜图。进而,结合边缘掩膜图,根据近似图像、细节图像不同区域的特性指导融合过程。最终,由相应的逆变换获取融合结果。实验分别采用QuickBird、Landsat和Pleiades卫星数据进行算法验证,并与传统的基于PCA变换、小波变换(wavelet transform,WT)、改进的小波算法(new wavelet method based on local algorithm,LAWT)和基于轮廓波变换(contourlet transform,CT)的融合算法进行比较分析。实验结果表明,该方法在空间分辨率提高和光谱特性保持上,综合性能优越。