论文部分内容阅读
遥感图像融合是将多种传感器图像的互补信息进行重新整合,生成一幅具有更精确、更丰富信息的合成图像,其中多光谱与全色图像融合是遥感图像融合处理中研究最广泛的融合类型。多光谱图像与全色图像融合可以在提高空间分辨率的同时较好地保留了多光谱图像的光谱信息,能够充分利用遥感图像的空间信息与光谱信息,充分发挥各种遥感传感器的优势。本文在分析了多种像元级遥感图像融合方法的基础上,重点研究了具有多尺度、多方向与平移不变性的多尺度分解方法--非下采样轮廓波(NSCT)变换,并根据NSCT分解得到的低频子带系数与高频子带系数的差异分别制定不同的融合规则,提出了两种基于NSCT的遥感图像融合算法:S_NSCT算法--引入了空间频率与区域能量来制定子带系数的融合规则,空间频率表示图像的总体活跃程度,区域能量能够有效地突出图像的细节纹理,保证图像的清晰度,以此提出了基于低频子带系数空间频率取大高频子带系数区域能量加权的NSCT融合算法;P_NSCT--PCNN模型具有全局耦合、脉冲同步的特性,结合空间频率、区域能量参与子带系数融合规则的制定,充分地利用图像特征信息的相关性,其融合结果光谱失真小,空间细节结构清晰,以此提出了基于空间频率与区域能量驱动PCNN模型的NSCT融合算法。为了验证本文提出的两种遥感图像融合算法的实用性,本文选择了四种不同的遥感数据作为融合实验的源数据,包括:Landsat8遥感图像、GF-1卫星图像、“吉林一号”光学A星遥感图像、SPOT与TM的多源遥感图像,并选择NSCT-PCNN算法、NSCT算法、IHS算法/PCA算法以及Gram-Schmidt算法进行对比分析。实验结果显示S_NSCT算法融合的图像各波段的平均梯度AG值最大,P_NSCT算法融合的图像各波段的信息熵EN、相关系数CL、标准差SD最大,光谱扭曲WR最小。结果表明本文提出的遥感图像融合算法的图像信息丰富、光谱扭曲度小、图像清晰度高,有效地提高了多光谱与全色融合图像的质量,其中S_NSCT算法融合的图像细节特征更丰富,P_NSCT算法融合的图像光谱信息更丰富。