一种NSST与稀疏表示相结合的遥感图像融合算法

针对现有遥感图像融合算法存在的光谱失真及空间细节丢失的问题,提出一种非下采样Shearlet变换(NSST)与稀疏表示(SR)相结合的图像融合算法。该算法利用NSST多尺度、多方向及平移不变的特性对全色图像与多光谱图像亮度分量进行变换分解,并根据稀疏表示能够有效捕捉图像结构特征的特点,对低频分量采用基于结构相关性的稀疏表示加权融合规则,从而减少光谱失真,对高频分量则利用基于改进的拉普拉斯能量和的方法,以保留细节信息,最后通过NSST与IHS逆变换得到融合图像。实验以WorldView-2不同场景下的影像为数据源,与传统的IHS、AIHS、IHS-WV、IHS-WV-SR、IHS-NSST融合方法进行对比,结果表明:新的算法不论在视觉上还是指标参数上都得到了有效提高,光谱分辨率和空间分辨率更接近于融合参考图像。