遥感信息
遙感信息
요감신식
2015年
2期
50-56
,共7页
非下采样 Contourlet 变换%NSCT%脉冲耦合神经网络%PCNN%区域能量%空间频率%区域特征
非下採樣 Contourlet 變換%NSCT%脈遲耦閤神經網絡%PCNN%區域能量%空間頻率%區域特徵
비하채양 Contourlet 변환%NSCT%맥충우합신경망락%PCNN%구역능량%공간빈솔%구역특정
nonsubsampled Contourlet transform%pulse coupled neural networks%local energy%spatial frequency%local feature
为最优保留多光谱图像光谱信息的同时，最大限度地融入全色图像的高空间信息，该文提出了一种基于非下采样 Contourlet（非自适应方向多尺度分析方法）变换和脉冲耦合神经网络相结合的图像融合的方法。根据目标融合区域地物的空间分布特点，将目标融合区域划分为边缘区域和非边缘区域，并对全色图像和多光谱图像 I 分量在非边缘区域进行空间域融合，融入更多多光谱图像的光谱信息。然后，对多光谱图像 I 分量和空间域融合后的图像进行非下采样 Contourlet 变换，在低频子带和高频子带分别采用区域能量和空间频率作为源图像的原始信息，驱动脉冲耦合神经网络以每个像元的点火数作为活跃性测量，对图像进行融合。实验结果表明：该算法在非边缘区很好地保持了多光谱图像的光谱信息，在边缘区融入了更多的全色图像的空间细节信息，提高了融合图像的空间分辨率。
為最優保留多光譜圖像光譜信息的同時，最大限度地融入全色圖像的高空間信息，該文提齣瞭一種基于非下採樣 Contourlet（非自適應方嚮多呎度分析方法）變換和脈遲耦閤神經網絡相結閤的圖像融閤的方法。根據目標融閤區域地物的空間分佈特點，將目標融閤區域劃分為邊緣區域和非邊緣區域，併對全色圖像和多光譜圖像 I 分量在非邊緣區域進行空間域融閤，融入更多多光譜圖像的光譜信息。然後，對多光譜圖像 I 分量和空間域融閤後的圖像進行非下採樣 Contourlet 變換，在低頻子帶和高頻子帶分彆採用區域能量和空間頻率作為源圖像的原始信息，驅動脈遲耦閤神經網絡以每箇像元的點火數作為活躍性測量，對圖像進行融閤。實驗結果錶明：該算法在非邊緣區很好地保持瞭多光譜圖像的光譜信息，在邊緣區融入瞭更多的全色圖像的空間細節信息，提高瞭融閤圖像的空間分辨率。
위최우보류다광보도상광보신식적동시，최대한도지융입전색도상적고공간신식，해문제출료일충기우비하채양 Contourlet（비자괄응방향다척도분석방법）변환화맥충우합신경망락상결합적도상융합적방법。근거목표융합구역지물적공간분포특점，장목표융합구역화분위변연구역화비변연구역，병대전색도상화다광보도상 I 분량재비변연구역진행공간역융합，융입경다다광보도상적광보신식。연후，대다광보도상 I 분량화공간역융합후적도상진행비하채양 Contourlet 변환，재저빈자대화고빈자대분별채용구역능량화공간빈솔작위원도상적원시신식，구동맥충우합신경망락이매개상원적점화수작위활약성측량，대도상진행융합。실험결과표명：해산법재비변연구흔호지보지료다광보도상적광보신식，재변연구융입료경다적전색도상적공간세절신식，제고료융합도상적공간분변솔。
In order to optimally preserve the spectral information of multi-spectral images and maximally fuse the spatial information of panchromatic images,we present an image fusion method by combining the nonsubsampled Contourlet transform (NSCT)and pulse coupled neural networks (PCNN)in this paper.First,we divide target area into edge area and non-edge area according to spatial distribution characteristics of ground objects.We employ spatial domain fusion with panchromatic image and I component of multispectral image in non-edge area to improve spectral information.Second,spatial fused image and I component of multispectral image are transformed by NSCT,and we regard local energy and spatial frequency as original information of source image to motivate PCNN and fuse image by taking large number of ignition as fused rules.Experimental results demonstrate that the proposed method is feasible in both keeping spectral information at non-edge area and improving spatial information at edge area.
