基于NSCT与IHS变换的SAR与多光谱图像融合

针对SAR图像和多光谱图像提出了一种基于NSCT与IHS变换的图像融合方法。首先对多光谱图像进行IHS变换;然后对SAR图像和多光谱图像的I分量分别进行NSCT分解,在不同频域子带系数选择时,针对高频系数和低频系数分别采用不同准则进行融合得到新的I分量;最后经IHS逆变换得到融合图像。为验证算法性能,分别选用2组不同空间分辨率比的SAR与多光谱图像开展融合实验,采用信息熵、平均梯度、相关系数等客观指标与主观评价相结合的方式,对融合结果进行分析。结果表明,该方法优于传统融合方法。     

结合PCNN的红外与可见光图像多尺度融合

针对红外与可见光图像融合对比度不高,易丢失细节信息等问题,提出了一种非下采样Contourlet变换域内基于特征激励的自适应PCNN红外与可见光图像融合方法。PCNN模型采用平均梯度和赋时矩阵来自适应调节其链接强度和迭代次数等参数。对NSCT多尺度多方向高低频子带系数,分别采用特征激励PCNN,根据点火时间图的区域能量来选择融合系数。实验结果表明,该方法能够有效地融合红外和可见光图像信息,对比度高,细节保持好,无论在视觉效果上还是客观评价指标上,优于常用的图像融合方法。     

混沌蜂群优化的NSST域多光谱与全色图像融合

为有效融合多光谱图像的光谱信息和全色图像的空间细节信息,提出了一种基于混沌蜂群优化和改进脉冲耦合神经网络(PCNN)的非下采样Shearlet变换(NSST)域图像融合方法。首先对多光谱图像进行Intensity-HueSaturation(IHS)变换,全色图像的直方图按照多光谱图像亮度分量的直方图进行匹配;然后分别对多光谱图像的亮度分量和新全色图像进行NSST变换,对低频分量使用改进加权融合算法进行融合,以互信息作为适应度函数,利用混沌蜂群算法找到最优加权系数。对高频分量采用改进脉冲耦合神经网络(PCNN)方法进行融合,再经NSST逆变换和IHS逆变换得到融合图像。本文方法在主观视觉效果和信息熵、光谱扭曲度等客观定量评价指标上优于基于IHS变换、基于非下采样Contourlet变换(NSCT)和非负矩阵分解(NMF)、基于NSCT和PCNN等5种融合方法。本文方法在提升图像空间分辨率的同时,有效地保留了光谱信息。     

基于非下采样Contourlet变换的极化SAR图像融合与去噪

针对非下采样Contourlet变换(NSCT)在处理噪声影像中具有的优势,以及同极化SAR图像(HH、VV)之间的相关性与互补性,本文实验了一种基于非下采样Contourlet变换的极化图像融合方法。该方法首先对每个极化图像进行多尺度、多方向分解,然后对不同分解子带系数分别采用有利于斑点噪声去除和信息增强的融合规则进行融合,最终通过NSCT反变换得到融合图像。通过信息熵、相关系数以及等效视数等指标的评价,验证了该方法可以有效地实现信息增强,同时该方法也在一定程度上降低了斑点噪声的负面影响。     

联合NSCT与多重分形的高噪声侧扫声呐图像分割

针对现有分割算法对高噪声侧扫声呐图像分割准确率低的问题,提出了一种综合利用NSCT(non-subsampled contourlet transform)分解图像、局部标准差和均值组合增强图像和多重分形判断图像奇异性的侧扫声呐图像分割方法。首先,借助NSCT分解图像,获得滤除高频噪声且保留轮廓信息的低频图像和一系列高频方向子带图像。然后,基于侧扫声呐图像中目标及其阴影伴随出现的特点,计算低频图像的局部标准差与均值的组合特征,获得分别突显目标及其阴影的特征图,使用多重分形分割方法分割特征图,获得低频图像分割结果;利用图像差分和非极大值抑制方法分割高频方向子带图像,获得高频分割结果;融合高低频分割结果获得目标及其阴影的精细边缘。最后通过试验验证了本文方法的有效性。     

改进的小波域多聚焦图像融合算法

小波变换和清晰度评价相结合是一种有效的多聚焦图像融合方法。首先,对源图像进行小波分解得到低频子带和高频子带,其次,引入多聚焦图像空域融合中的清晰度评价指标,用改进的梯度能量确定低频部分的清晰像素并进行融合;在高频子带上,先计算每个像素与其邻域像素灰度值之差的绝对值和,然后选取和值较大的像素系数作为高频子带的融合系数。两组实验仿真结果表明,该算法更有效,融合图像更清晰、细节更丰富,更好地继承了源图像的信息。     

基于改进粗糙集和NSCT的红外遥感图像增强

提出了一种基于改进粗糙集和NSCT的红外遥感图像增强方法。该方法首先利用NSCT对图像进行分解,得到多层多方向子带系数;然后根据相邻尺度和不同方向的子带中图像噪声、脆弱边缘等不同成分的系数分布,使用粗糙集对其进行分块,并制定合理的决策规则;再通过集合运算对系数中不同子块采用不同的处理方法,一方面抑制噪声,另一方面保护图像中的脆弱边缘结构,并采用增强函数对其进行不同程度的增强;最后对处理过的NSCT系数进行重构,获得增强后的红外图像。实验表明,该算法相对于其他传统红外遥感图像增强算法具有较好效果。     

利用多尺度特征与深度网络对遥感影像进行场景分类

针对因样本量小而导致的遥感图像场景分类精度不高的问题,结合非下采样Contourlet变换(NSCT)、深度卷积神经网络(DCNN)和多核支持向量机(MKSVM),提出了一种基于多尺度深度卷积神经网络(MS-DCNN)的遥感图像场景分类方法。首先利用非下采样Contourlet变换方法对遥感图像多尺度分解,然后对分解后的高频子带和低频子带分别用DCNN训练得到了不同尺度的图像特征,最后采用MKSVM综合多尺度特征并实现遥感图像场景分类。对标准遥感图像分类数据集的试验结果表明,本算法能够结合低频和高频子带对不同类别场景的识别优势,对遥感图像场景取得较好的分类结果。     

结合自适应PCNN的非下采样剪切波遥感影像融合

为解决全色与多光谱遥感影像融合中脉冲耦合神经网络参数不能自适应调节问题,提出一种基于参数自适应脉冲耦合神经网络模型(PA-PCNN)和保持能量属性(EA)融合策略相结合的非下采样剪切波变换(NSST)的遥感影像融合方法:①通过提取多光谱影像YUV颜色空间变换的Y亮度分量并与全色影像进行NSST变换,获得高频系数和低频系数.②针对低频子带系数,采用EA法进行融合;针对高频子带系数,通过PA-PCNN模型得到的最优参数,以确定最优的PCNN模型,进而实现高频子带系数的融合.③将NSST和YUV进行逆变换得到融合影像.本文选取空间频率、相对无量纲全局误差、相关系数、视觉信息保真度、基于梯度的融合性能和结构相似度测量等6种客观评价指标对融合影像的光谱和空间细节评价,利用多组不同分辨率全色和多光谱遥感影像,通过与4种融合方法对比验证,结果表明本文方法在视觉感知和客观评价方面总体优于其他全色与多光谱遥感影像融合方法.     

基于非下采样轮廓变换与模糊理论的遥感图像增强

为进一步增强遥感图像的细节信息,在非下采样轮廓变换(non-subsampled contourlet transform,NSCT)的基础上,结合模糊理论,提出了一种遥感图像增强算法。首先对原始图像进行NSCT变换,得到频率域内低频系数和不同尺度不同子带上的高频系数;然后定义隶属度函数,对高频系数进行模糊变换;在进行NSCT逆变换重构图像的过程中,逐层地将高频系数线性地加到低频系数中,最终实现遥感图像增强。实验结果表明,该算法在主、客观方面都使遥感图像得到了很好的增强效果。研究表明,NSCT变换后的高频系数包含了图像中的细节信息,针对高频系数进行模糊变换后,进行NSCT逆变换可以比较有效地增强图像。该算法存在的问题在于计算量较大以及需要调整的参数较多。     

基于可操纵金字塔和IHS变换的遥感影像融合

提出了一种基于可操纵金字塔和IHS变换的遥感影像融合方法。对多光谱（MS）图像的强度分量和全色图像（PAN）分别进行可操纵金字塔分解,针对金字塔分解后的低频、高频和各带通子图像分别采取不同的融合规则获得融合子图像,再先后通过可操纵金字塔框架下的逆变换和IHS逆变换得到融合图像。实验结果表明,该方法在增强影像细节信息、保...     

融合引导滤波和迁移学习的薄云图像中地物信息恢复算法

薄云覆盖遥感图像使图像上的地物信息模糊。本文给出了一种融合引导滤波和迁移学习的薄云图像中地物信息恢复算法。首先利用多方向非抽样对偶树复小波变换对薄云目标图像和无云引导图像进行多分辨率分解,再对分解后的低频子带分别进行支持向量引导滤波和迁移学习,对分解后的高频子带利用修正的Laine增强函数进行增强,然后应用基于区域能量的选择和加权相结合的方法对引导滤波输出和迁移学习模型预测的低频子带进行融合,最后对增强后的高频子带和融合后的低频子带进行多方向非抽样对偶树复小波逆变换重构,获得地物信息恢复图像。Landsat-8 OLI多光谱图像的试验结果表明,支持向量引导滤波能够有效保留目标图像的地物细节信息,域自适应的迁移学习能有效扩展可利用的多源多时相遥感图像范围,通过融合引导滤波和迁移学习能有效去除遥感图像上的薄云,获得较好的地物信息恢复效果。     

基于NSCT的自适应可见光与红外图像融合方法

针对可见光与红外图像的融合问题,基于NSCT多方向、多尺度分解和平移不变性等优点,提出了一种基于NSCT的自适应可见光与红外图像的融合方法。通过NSCT对可见光与红外图像进行分解,在各分解层上根据图像质量评价指标来选取融合规则,并通过评价指标的自适应控制NSCT分解层数使最终融合图像具有最优的效果。实验结果表明,与传统融合算法相比,该方法在主观和客观评价方面均优于其他融合方法。     

利用NSCT和Krawtchouk矩进行图像检索

提出了一种基于非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)和Krawtchouk矩的图像检索算法。首先,通过NSCT对图像进行分解,提取每个分解层次上不同方向子带系数分布的数学特征作为图像的纹理特征;然后,利用Krawtchouk矩描述图像的形状特征;最后,根据加权的相似性度量实现图像检索。实验结果表明,所提取的特征向量具有平移、旋转、尺度不变性,且能获得更高的检索精度。     

基于双正交多小波的SAR与可见光图像融合研究

针对已有的数据融合技术,提出了一种基于双正交多小波变换的遥感图像融合算法,采用了邻域方差准则和非线性加权相结合的方法,分别融合小波低频和高频系数,试验选取星载SAR与SPOT可见光图像进行融合,实现了很好的融合效果。     

一种基于证据理论的多极化SAR图像分割方法

本文提出了一种基于证据理论的融合像素信息和上下文信息的多极化合成孔径雷达(SAR)图像分割方法.D-S证据理论是一种不确定性推理方法.基于D-S的SAR影像分割方法将像素信息和上下文信息看作两类证据,先对高度平滑后的影像作初始的过分割,然后基于D-S理论对初始分割图斑的边界进行迭代修正,最后再融合两类证据对初始分割的图...     

五、P23 摄影测量与遥感学

正CH20121448基于最大后验和非局域约束的非下采样轮廓波变换域SAR图像去噪方法=An Algorithm of SAR Image Denoising in Nonsubsampled Contourlet Transform Domain Based on Maximum a Posteriori and Non-local Restriction/岳春宇,江万寿(武汉大学测绘遥感信息工程国家重点实验室)//测绘学报.-2012,41(1).-59～64提出一种基于最大后验和非局域约束的非下采样轮廓波变换域SAR图像去噪方法。根据SAR图像数据的特征,引入非对数加性模型,并在该模型下对SAR图像NSCT域中的噪声分布统计建模,应用最大后验准则和非局域约束相结合的方法解求SAR图像真实信号的NSCT系数。试验结果表明,本方法具有良好的去噪能力。图3表2参20     

Contourlet方向区域相关性的遥感图像融合

对遥感图像经Contourlet变换后的高频子带系数分布的方向特征进行统计分析,发现遥感图像经Contourlet变换后高频系数的分布具有较强的方向区域特征,在此基础上,提出一种基于Contourlet系数方向区域相关性的遥感图像融合算法,该算法首先对多光谱图像经IHS变换后的亮度分量和全色图像分别进行Contourlet变换,然后以多光谱图像亮度分量的低频信息作为融合图像亮度分量的低频信息,通过计算并比较全色图像的高频系数和对应的多光谱图像亮度分量的高频系数的方向区域匹配度确定融合图像亮度分量的高频信息;最后经过Contourlet逆变换和IHS逆变换获得融合图像。实验结果表明,该算法在提高融合图像空间分辨率的同时能够更好地保留原始多光谱图像的光谱信息,与传统遥感图像融合算法相比,该算法具有较好的融合图像信息熵和清晰度,具有一定的实用性。     

基于NSCT的立体影像匹配相似性测度计算

目的 提出了一种新的基于非下采样Contourlet变换(NonsubsampledContourletTransform,NSCT)的加权相似性测度计算方法。首先对立体像对中的左右影像分别进行NSCT变换,以得到左右影像的不同尺度、不同方向的高频子带系数;再利用影像的高频子带系数和RGB三个通道的灰度值,设计了目标窗口和搜索窗口的加权相似性测度计算模型;最后,利用标准立体影像数据,对相似性测度和归一化相关系数等已有测度进行了对比实验。结果表明NSCT的高频系数的引入,增强了相似性测度的稳健性,提高了立体影像匹配的可靠性。     

基于分层图像融合的SAR图像可视化增强方法

提出了一种基于分层图像融合的合成孔径雷达(Synthetic Aperture Radar,SAR)图像可视化增强方法。根据SAR图像特点,通过图像灰度级分层、融合等处理,并在图像融合时加入动态范围约束条件进行求解,对SAR图像做了可视化增强处理,处理得到的图像动态范围满足显示打印等设备动态范围约束条件,且与常规方法相比能更多地保留原图细节信息。实验结果表明了本文方法的有效性。