哈尔滨工程大学学报
哈爾濱工程大學學報
합이빈공정대학학보
JOURNAL OF HARBIN ENGINEERING UNIVERSITY
2008年
7期
729-734
,共6页
曲波变换%PCNN%图像融合%目标检测
麯波變換%PCNN%圖像融閤%目標檢測
곡파변환%PCNN%도상융합%목표검측
为了解决高光谱图像的高数据维给后续图像分析和处理带来的困难,提出了一种基于二代曲波变换和脉冲耦合神经网络(PCNN)的融合新算法.利用各波段数据间的局部相关性将整个数据空间划分为若干个相关性较强的独立子空间,在对子空间内的各波段光谱图像进行曲波多分辨率分解的基础上,分别依据各波段图像所含有的信息量对曲波粗尺度系数进行加权融合和利用PCNN的全局耦合特性与脉冲同步特性对细尺度系数进行智能选取,最后由曲波逆变换得到各子空间的融合图像.AVIRIS数据融合实验表明,该算法能有效地实现高光谱数据维数减少和特征提取,相比于提升小波融合算法、主成分变换算法和基于典型融合准则的曲波融合算法,其所提取的图像特征在高光谱异常检测时能得到更多的真实目标.
為瞭解決高光譜圖像的高數據維給後續圖像分析和處理帶來的睏難,提齣瞭一種基于二代麯波變換和脈遲耦閤神經網絡(PCNN)的融閤新算法.利用各波段數據間的跼部相關性將整箇數據空間劃分為若榦箇相關性較彊的獨立子空間,在對子空間內的各波段光譜圖像進行麯波多分辨率分解的基礎上,分彆依據各波段圖像所含有的信息量對麯波粗呎度繫數進行加權融閤和利用PCNN的全跼耦閤特性與脈遲同步特性對細呎度繫數進行智能選取,最後由麯波逆變換得到各子空間的融閤圖像.AVIRIS數據融閤實驗錶明,該算法能有效地實現高光譜數據維數減少和特徵提取,相比于提升小波融閤算法、主成分變換算法和基于典型融閤準則的麯波融閤算法,其所提取的圖像特徵在高光譜異常檢測時能得到更多的真實目標.
위료해결고광보도상적고수거유급후속도상분석화처리대래적곤난,제출료일충기우이대곡파변환화맥충우합신경망락(PCNN)적융합신산법.이용각파단수거간적국부상관성장정개수거공간화분위약간개상관성교강적독립자공간,재대자공간내적각파단광보도상진행곡파다분변솔분해적기출상,분별의거각파단도상소함유적신식량대곡파조척도계수진행가권융합화이용PCNN적전국우합특성여맥충동보특성대세척도계수진행지능선취,최후유곡파역변환득도각자공간적융합도상.AVIRIS수거융합실험표명,해산법능유효지실현고광보수거유수감소화특정제취,상비우제승소파융합산법、주성분변환산법화기우전형융합준칙적곡파융합산법,기소제취적도상특정재고광보이상검측시능득도경다적진실목표.
