基于PCA变换与小波变换的多源图像融合算法

在多尺度分解的框架下,针对像素级的多源图像融合,提出一种基于PCA变换与小波变换的图像融合算法。首先将低分辨率的多光谱图像进行主分量变换,得到各主分量;然后将高分辨率图像的信息与第一主分量进行融合,得到新的融合了高分辨率图像信息的第一主分量;最后新的第一主分量与其他主分量进行反变换,得到一幅具有高空间分辨率的多光谱图像。     

土地覆盖分类影像融合与精度评价研究

影像融合技术可以使遥感影像具有高光谱和高空间分辨率的效果,实现不同空间、光谱、时间等多种分辨率的信息资源互补,从而提高图像的空间分辨率,提高图像的几何精度.文章利用ERDAS软件,对遥感影像数据进行融合,采用乘积变换、PCA变换、Brocey变换、小波变换等遥感影像融合方法对多光谱与全色影像进行融合和土地覆盖分类研究.通过结合图像的光谱统计参数和融合图像的分类精度,对这些方法的分类精度进行评价.这4种方法对于原始影像分类精度,均有不同程度的提高.而小波变换所得融合影像与原多光谱影像的相关系数最大,均方差、平均梯度和信息熵最大,偏差指数最小,影像所含信息量最多;在光谱特性、图像清晰度、对于空间细节信息的表现能力上其它三种方法都好,所得融合影像的分类精度也是最高的.小波变换更适合融合影像的土地覆盖分类研究.     

基于小波分析的图像融合方法的研究

图像融合是多传感器信息融合在图像处理领域的一个重要应用,小波分析具有多分辨等特点,可以有效地将特征明显、分辨率高的图像融合在一起,得到比任何一幅源图像效果都好的图像。论述了基于小波分析的图像融合的基本原理、方法和优点,介绍了基于小波分析图像融合、小波框架图像融合和多小波图像融合等方法,分析比较几种图像融合效果的评价方法及其适用范围等。     

多传感器复杂网络数据融合算法的MATLAB仿真

多传感器复杂网络数据融合技术在多个领域中有着广泛的应用,目前存在多种像素级多传感器网络采集图像信息融合算法包括简单的图像融合算法、PCA变换图像融合算法和小波变换的图像融合算法等,但是每种算法都各具特点,因此有必要弄清楚其使用局限性以便能在实际应用中做出合理的选择.利用仿真软件Matlab结合从多传感器中获得的冗余图像数据对各种算法进行模拟实现,得出各种算法的融合图像的客观评价结果即在不同颜色空间中的相关系数和清晰度值,通过对比各种算法结果得到只有在特定的应用条件下才具有良好的融合效果,才能够很好地还原出原始的图像.     

基于提升小波变换的多传感器图像融合算法研究

为了更好的进行图像融合,基于提升小波变换,采用了一种基于区域方差和方向对比度的融合规则相结合的图像融合新算法.该算法结合提升小波的优势,将图像进行多分辨率分解;针对变换后的低频分量和高频分量的不同特点,采用了不同的融合规则进行融合;最后通过提升小波逆变换得到融合图像.实验结果表明,该算法具有增强图像空间细节的能力,使得融合后的图像内容清晰,相比于传统小波变换法,具有更好的融合效果.     

异源共光学系统多分辨率图像的融合

在激光照射性能监测系统中,考虑到对成像激光光谱特性、命中率测量精度的要求,为保证图像的探测动态范围,提高光斑命中精度的测量准确度,使用可见光传感器和红外传感器获得图像。采用加权平均法、PCA变换法、金字塔小波变换法,对共光路光学成像系统的多分辨率图像进行融合,通过融合性能评价指标对以上融合方法进行比较。实验结果表明：基于金字塔小波变换的图像融合方法具有更为理想的图像融合效果,可以提供更多、更有效的信息,提高了图像的分辨效果,能更好的识别光斑。     

基于小波变换和邻域特征的多聚焦图像融合算法

提出了一种基于小波变换和邻域特征的多聚焦图像融合算法。该算法首先采用小波变换对源图像进行多尺度分解,得到低频和高频子图像;然后对低频子图像采用基于邻域归一化梯度的方法得到低频融合系数,对高频子图像采用基于邻域方差的方法得到高频融合系数;最后进行小波重构得到融合图像。采用均方根误差、信息熵以及峰值信噪比等评价标准,将该算法与传统融合方法的融合效果进行了比较。实验结果表明,该算法所得融合图像的效果和质量均有明显提高。     

一种基于显著特征的图像融合算法

充分利用小波变换的多分辨率分析特性,文章提出了一种基于显著特征的小波变换图像融合方法。首先对待融合图像进行小波分解,得到低频系数和高频系数;然后对低频系数提出了一种基于显著特征——空间频率的融合规则,对高频分量使用系数绝对值选大的规则进行融合;最后对融合后的低频系数和高频系数进行小波反变换得到融合图像。同时探讨了多聚焦图像中存在的虚假轮廓现象并提出了一种简便的定位方法。仿真实验表明,文中算法得到的融合图像在视觉效果上较传统算法及其一些改进算法有所提高,同时熵、标准差和互信息等客观评价指标值也得到了提高。     

基于区域特征的小波变换图像融合方法

图像融合的目的是把来自多传感器的数据互补信息合并成一幅新的图像，以改善图像的视觉效果。笔者提出一种基于小波变换的图像融合方法，其思想是先把待融合图像采用小波进行分解，然后在对分解后的小波系数矩阵采用区域特征进行融合处理，最后采用小波逆变换得到融合图像。该方法很好地区分了图像低频分量和高频分量对融合的不同影响，实验表明取得了较好的融合效果。     

ALOS全色与多光谱影像融合方法的比较研究

以浙江省德清县ALOS影像为基础数据,探讨了利用乘积法、高通滤波法、小波变换、HIS变换、Brovey变换、PCA变换、Gram-Schmidt变换等七种影像融合方法,对ALOS全色与多光谱影像进行融合,对各方法的融合结果进行了定性和定量分析.实验结果表明,Gram-Schmidt变换在保持多光谱影像光谱信息的同时,显著提高了融合影像的空间分辨率,是最适合ALOS全色与多光谱影像的融合方法,为ALOS影像应用提供了参考.     

一种基于区域分割的红外可见光图像融合方法

提出了一种基于提升小波和区域分割的红外可见光图像融合方法。先对红外图像和可见光图像进行提升小波分解,得到各自的高频和低频子图像,利用红外图像的热效应特征显著的特点对红外图像的低频子图像进行检测分割,用分割得到的二值图像来指导低频子图像的融合决策,对于高频子图像,采用区域方差匹配度决策法,最后对融合后的小波系数进行重构得到融合图像。实验结果表明,这种算法能够合理有效地保留红外图像的热目标信息以及可见光图像中丰富的光谱信息,提高了图像的可理解性,客观评价准则与目视效果吻合良好。     

多光谱图像与全色图像融合

非下采样Contourlet 变换具有多尺度、多方向性、强大的稀疏表达能力,能够有效捕获图像中的纹理信息,文中提出了一种新的基于非下采样Contourlet变换和 HIS变换的遥感图像融合方法。对多光谱图像进行 H IS 变换,将得到的亮度分量和全色图像进行非下采样Contourlet变换,通过融合算法得到新的亮度分量,进行 HIS逆变换得到融合图像。实验结果表明,该方法在保留原图像的频谱信息的同时增强了融合图像的空间细节表现能力。     

基于快速整数提升小波变换的多幅图像融合

在分析已有多分辨率图像融合方法的基础上,针对多幅图像融合模型的选择问题,提出了一种基于快速整数提升小波变换的多幅图像融合新算法。首先采用整数提升小波变换将多幅源图像分解到不同尺度、方向频带范围内,然后根据图像提升小波变换后不同子带的特点分别采用了2种新的高、低频融合策略,最后通过整数提升小波逆变换得到融合图像。对多幅源图像进行了融合实验,并对融合结果进行了主观和客观的评价。实验结果表明,该算法不仅适合多幅图像的实时快速融合,而且可以获得视觉效果较佳、细节更为丰富的融合图像。     

基于PCA变换的多元遥感影像融合方法研究

基于PCA变换的融合方法是用于多波段遥感图像的第一主分量具有相同均值和方差的高分辨率遥感图像直接代替多波段遥感图像的第一主分量,这样会损失部分多波段遥感图像第一主分量中反映光谱特性的有用信息,使得融合结果图像的光谱分辨率受到较大影响。因此,在PCA变换融合算法基础上引入小波包变换融合算法,保留多波段遥感图像第一主分量中一些反映光谱特性的有用信息,提高融合后遥感图像的效果。     

一种自适应的小波方向对比度图像融合算法

对多传感器获得的图像序列进行图像融合,可以采用基于小波变换的多分辨率分析图像融合方法。首先,对两幅待融合图像进行小波变换,采用平均加权的方法来获得融合后的低频分量;采用一种基于图像对比度的自适应算法来获得融合后的高频分量。最后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数进行小波逆变换,最终得到具有原图像有用信息的融合图像。实验结果表明,这种算法可以很好地保留原图像的有用信息,是一种有效的图像融合算法.     

基于HIS变换的多源遥感影像融合方法研究

HIS变换法是根据人眼的视觉特性,把RGB彩色变换到HIS域,并且建立这样的假设,即亮度分量反映原图的亮度信息,色调分量和饱和度反映原图的彩色信息。这样亮度分量直接被高分辨率图像替换,融合效果就会具有较高的空间分辨率。     

小波域正则化遥感图像融合

遥感图像融合过程中,为了在增强空间分辨率的同时减少光谱损失,文章提出了一种改进的强度-色调-饱和度和小波的融合算法,新算法在原算法中,引入正则化技术。以小波域局部高斯模型作为光谱分布先验概率,以全色图小波系数做为空间分布先验概率,以马尔可夫随机场描述空间特征,通过梯度下降法迭代优化,实现了光谱和空间信息总损失最小的图像融合。对美地球资源卫星5的增强专题图像的融合试验证明文中提出的算法可同时提高多光谱及全色图像与融合图像的相关性,有效改善融合效果。     

用于耕地信息提取的多光谱与全色遥感影像融合方法研究

低分辨率多光谱图像和高分辨率全色图像通过图像融合,可最大限度地发挥两类图像数据的技术优势,达到信息互补和充分表达地物信息的目的。首先,采用IHS变换、PCA变换对某一地区耕地地物信息的多源遥感图像进行融合,分析传统融合方法的不足,之后,以提高光谱信息和空间信息的准确性为目标,采用小波变换与IHS变换结合的方法,最终得到兼具较好空间分辨率和耕地光谱信息的融合图像。通过主观和客观融合质量评价,确认小波与IHS变换相结合的方法优于传统融合方法,该融合方法可为宁夏平原耕地信息的遥感影像融合提供参考借鉴。     

一种新的多传感器图像融合方法

提出了一种基于小波变换的改进图像融合方法和一种图像融合评价指标。对小波分解后的高频分量使用图像区域内象素的最大绝对值作为该区域中心象素的活性测度以得到融合图像的高频分量，对分解后的低频分量通过度量图像区域质量来选择该区域中心象素从而确定融合图像的低频分量，最后进行小波重构得到融合图像；文中还提出了用交互方差作为图像融合客观评价指标的方法。实验结果表明，该融合方法得到的图像清晰度和对比度都得到了较大的提高，是一种有效的图像融合算法；并且用交互方差作为图像融合的客观评价指标是可行的。     

基于YUV与小波变换的可见光与红外图像融合

可见光CCD传感器在夜间强光环境下拍摄易产生晕光现象,通过对可见光与红外传感器获得的图像进行融合可以解决这一问题.本文提出一种基于YUV彩色空间与小波变换结合的融合方法.首先采用仿射变换对可见光图像进行配准,将配准后图像转换到YUV空间,再将Y分量与红外灰度图像采用小波融合方法得到Y′分量,最后将Y′UV转换到RGB,从而得到融合图像.通过与YUV彩色空间变换、小波变换融合方法所得到的融合图像比较,结果表明,本文提出的方法获得的图像清晰度有所改善,比小波融合的方法处理速度更快.