基于àtrous-Contourlet变换的梯度选择遥感图像融合算法

为了更好地进行遥感图像融合,基于劋trous-Contourlet变换,提出了一种利用梯度和匹配度结合的多光谱和高分辨率图像融合新算法。该算法首先结合Contourlet变换和劋trous小波的优势,将图像进行劋trous-Contourlet多分辨率分解;由于梯度反映了图像的细节信息,因此该算法在加权时,为了尽可能地提高空间分辨率,考虑高频系数对应位置系数的正负,提出了一种匹配度梯度加权算法(match degree weighted gradient algorithm,MWGA)用于对高频细节进行融合;最后用高频附加的方法得到最后的融合图像。实验表明,此算法能在获得很好的光谱质量的基础上,获得空间细节增强效果更佳的图像。

基于àtrous-Contourlet变换的遥感图像融合算法

基于à trous-Contourlet 变换,提出一种多光谱与高分辨率图像融合的算法.首先结合à trous 小波变换和Contourlet 变换的优点,提出一种à trous-Contourlet 变换方法,将其与 IHS 变换相结合,对图像进行多分辨率分解.然后根据高频系数的方差与相关系数,利用一种新的加权融合规则对高频部分进行融合.最后用高频附加的方法得到融合图像.实验证明,此方法相对传统的变换法,取得更优的融合结果.

基于小波变换的多源遥感数据融合方法研究

以北京亚运村TM和QuickBird图像为数据源,根据Mallat小波算法,结合HIS数据融合理论,提出了基于小波局部高频替代融合法。该方法使融合图像既具有高空间分辨率图像的结构信息,又保持了多光谱图像的光谱特征,提高了多光谱图像的分类精度和量测能力。

基于改进型WBCT的多光谱图像融合方法

针对多光谱图像的融合问题,以提升小波变换代替传统小波变换,提出一种改进的WBCT方法。利用该方法对源图像进行多尺度分解,得到高频和低频分量,采用不同的融合规则对其进行处理,得到融合后的系数,并通过逆变换得到融合图像。实验结果表明,与Contourlet变换和提升小波变换相比,改进方法的融合效果有明显提升。