ARSIS概念下基于第二代Curvelet变换的遥感影像融合方法

合集下载

基于二代Curvelet变换与MPCA的可见光与红外图像融合

龙源期刊网
基于二代Curvelet变换与MPCA的可见光与红外图像融合
作者：周爱平,梁久祯
来源：《计算机应用》2010年第11期
摘要:
针对同一场景红外图像与可见光图像的融合问题,提出了一种基于二代Curvelet变换与模
块化主成分分析(MPCA)的图像融合新方法。

首先对原始图像分别进行快速离散Curvelet变换,得到不同尺度和方向下的粗细尺度系数;根据红外图像与可见光图像的不同物理特性以及人类视觉系统特性,对粗尺度系数的选择,采用基于模块化主成分分析(MPCA)的融合规则,确定融合
权值,而对不同尺度与方向下的细尺度系数的选择,采用基于局部区域能量的融合规则;最后经Curvelet逆变换得到融合结果。

实验结果表明,该方法能够更加有效、准确地提取图像中的特征,在主观视觉效果与客观评价指标上均取得了较好的融合效果,是一种可行有效的图像融合算
法。

关键词:
图像融合;Curvelet变换;模块化主成分分析;可见光图像;红外图像。

基于第二代Curvelet变换的遥感图像融合算法研究的开题报告

基于第二代Curvelet变换的遥感图像融合算法研究的开题报告一、选题背景随着遥感技术的不断发展和应用，人们对于遥感图像的要求也越来越高。

目前，遥感图像融合技术已经成为了提高遥感图像分析和应用水平的重要手段。

遥感图像融合旨在将多个不同分辨率或传感器的遥感图像集成成一个更具信息含量和完整性的新图像，以便更好地满足使用需求。

目前，遥感图像融合主要采用多分辨率分析技术和小波变换技术等方法。

然而，这些方法在处理一些特殊情况下存在一定的局限性和不足。

为此，本文提出了基于第二代Curvelet变换的遥感图像融合算法。

二、研究意义基于第二代Curvelet变换的遥感图像融合算法在处理多分辨率图像时，具有更好的形态表达能力和更好的局部性能。

相比于传统的小波变换、多分辨率分析等方法，该算法在多分辨率图像的边缘和轮廓上的表现更为优异。

在图像融合应用中，对于边缘和轮廓的保护尤为重要，因此该算法有望在遥感图像融合领域得到广泛应用。

三、研究内容本文将首先对遥感图像融合相关技术进行分析，然后介绍第二代Curvelet变换的原理及其在图像处理中的应用。

进一步，基于第二代Curvelet变换，我们将提出一种新的遥感图像融合算法，包括以下步骤：1. 将原始遥感图像通过第二代Curvelet变换，得到低频和高频部分。

2. 对低频部分采用平均算法进行融合。

3. 对高频部分进行加权平均算法融合。

4. 将融合后的低频部分和高频部分通过逆Curvelet变换，得到最终的融合图像。

四、预期成果本文研究的基于第二代Curvelet变换的遥感图像融合算法，将在多种图像融合任务上进行测试，并与传统的小波变换、多分辨率分析等方法进行比较。

通过实验结果，我们将证明该算法具有更好的图像融合效果和更高的图像质量。

五、研究方法本文的研究方法将包括文献调研、理论分析、算法设计、实验测试和结果分析等步骤。

我们将通过收集、分析和归纳相关文献，对遥感图像融合和Curvelet变换等技术进行详细的介绍和分析。

应用第二代Curvelet变换的遥感图像融合

应用第二代Curvelet变换的遥感图像融合张强;郭宝龙【期刊名称】《光学精密工程》【年(卷),期】2007(015)007【摘要】提出了一种基于第二代Curvetet变换遥感图像融合算法.将具有高空间分辨力的Pan图像与Ms图像的待融合波段图像进行直方图匹配,并对直方图匹配后的Pan图像与待融合波段Ms图像分别进行Curvelet变换分解,得到各自的低频子带系数和各带通方向子带系数;采用一定的融合规则对Curvelet变换系数进行组合得到融合图像的Curvelet系数;最后对组合后的系数进行Curvelet重构得到该波段具有高空间分辨力的Ms图像.对IKONOS卫星遥感图像的仿真实验结果表明:与传统的基于亮度-色调-饱和度彩色空间变换融合算法相比,该算法使融合后的Ms 图像整体光谱保持度提高了10.54%,而与传统的基于小波变换的图像融算法相比,其空间质量提高了0.81%～1.12%,有效解决了基于亮度-色调-饱和度彩色空间变换融合算法中光谱失真严重和基于小波变换图像融合算法中空间质量较低的缺点,使得融合后的Ms图像在最大可能地保持原始Ms图像光谱特性的同时,显著提高了融合图像的空间质量.【总页数】7页(P1130-1136)【作者】张强;郭宝龙【作者单位】西安电子科技大学机电工程学院智能控制与图像工程研究所,陕西,西安,710071;西安电子科技大学机电工程学院智能控制与图像工程研究所,陕西,西安,710071【正文语种】中文【中图分类】TP751【相关文献】1.第二代Curvelet变换在低剂量CT图像增强中的应用 [J], 张涛;王宾;杨立娟;齐乃新2.第二代Curvelet变换在地震随机噪声衰减中的应用 [J], 林春;王绪本3.基于Curvelet变换与一致性约束的遥感图像融合 [J], 张维; 陈报章; 赵亮4.基于二代curvelet变换耦合方差特征约束的遥感图像融合算法 [J], 韩卫冰5.基于curvelet变换与一致性约束的遥感图像融合 [J], 楚琳琳;范文兵因版权原因，仅展示原文概要，查看原文内容请购买。

基于二代Curvelet变换和区域匹配度的图像融合算法

基于二代Curvelet变换和区域匹配度的图像融合算法
邓艾;吴谨;杨莘;李娟
【期刊名称】《计算机科学》
【年(卷),期】2012(039)B06
【摘要】提出了一种新的基于二代Curvelet变换的多传感器图像融合算法,分别讨论了粗尺度系数和细尺度系数的融合规则。

首先采用二代Curvelet变换对源图像进行多尺度的分解,将粗尺度系数值进行变换使其强度分布一致,再采用加权平均的方法确定粗尺度融合系数。

采用显著性测度和区域匹配度联合分析的方法确定细尺度系数,并进行一致性验证,最后进行二代Curvelet逆变换获取融合图像。

将传统融合规则和该方法从独立因素、联合因素以及综合评价3方面进行了比较,结果表明,该方法较好地保持了边缘信息,减少了细节信息的损失,具有较优的性能参数和良好的视觉效果。

【总页数】3页(P513-514,548)
【作者】邓艾;吴谨;杨莘;李娟
【作者单位】武汉科技大学信息科学与工程学院,武汉430081
【正文语种】中文
【中图分类】TN91
【相关文献】
1.基于区域特性的Curvelet变换图像融合算法 [J], 王坤臣;孙权森
2.第二代curvelet变换与区域能量的多聚焦图像融合方法 [J], 郭敏;任娜;高卫平
3.基于二代curvelet变换耦合方差特征约束的遥感图像融合算法 [J], 韩卫冰
4.基于第二代Bandelet和区域特性的多聚焦图像融合算法 [J], 楼晶晶;王煦;苗启广
5.基于二代Curvelet变换耦合二维因子的图像融合算法 [J], 韩明;李宏图
因版权原因，仅展示原文概要，查看原文内容请购买。

基于第二代Curvelet变换的多聚焦图像融合

其：矩Ｓ［ｔ］度不均分中切阵。ＬａＪ０是匀布剪＝一０ — ；角ｎ
的，但它的斜率是均匀分布的。
则离散ｃｒｅｔ义为ｕｖｌ定ｅ
，
域的广泛应用，多学者对基于小波的像素级图像融合算众
法展开了广泛研究。与小波变换一脉相承的Ｃｒｅｔ换ｕｖｌ变ｅ由于其优秀的边缘表达能力，助于改善小波变换融合图有像的视觉清晰度，有效地提高其空间分辨率。１９并９９年，ＥＪＣｎｅ．ａｄｓ和ＤＬＤｎｈ．ｏｏｏ提出Ｃｒｅｔ换理论，就是第ｕｖｌ变ｅ也
第３１卷
第３期
四川兵工学报
２１００年３月
【信息与计算机】
基于第二代Ｃｒｅｅ变换的多聚焦图像融合崇ｕｖｌｔ
宋英姿
（放军理工大学气象学院，京解南２１Ｏ）１ｌ１
摘要：将第二代Ｃｒｌｔｕｖｅ变换引入图像融合领域。选取目前有代表性的融合规则进行大量实验，ｅ并用峰值信噪比（ＳＲ和均方误差（Ｓ）ＰＮ）ＭＥ进行定量分析与比较。实验表明，采用适合的Ｃｒｅｔｕｖｌ变换融合算法具有更强的细节ｅ获取能力，融合效果优于采用各种融合规则的小波分解融合算法。特别是采用基于边缘的融合规则时Ｃｒｅｔｕｖｌｅ变换的融合改进效果更好。关键词：第二代Ｃｒｌｔ多聚焦图像；ｕｖｅ；ｅ图像融合

基于Shearlet变换的多聚焦图像融合方法

基于Shearlet变换的多聚焦图像融合方法邱万山;何建忠【摘要】为提高多聚焦图像的融合效果,利用Shearlet变换具有多尺度多方向的特性,文中提出了一种基于Shearlet变换的图像融合算法.针对待融合图像进行Shearlet变换,得到低频子带系数和不同尺度不同方向的高频子带系数;对低频子带系数取分解系数区域能量高的系数,高频子带系数采用区域能量和区域清晰度以及区域方差相结合,采用多判别法得到融合系数,并最终进行Shearlet逆变换得到融合图像.结果表明,在主观视觉效果和客观评价指标上此算法优于其他融合算法.【期刊名称】《电子科技》【年(卷),期】2015(028)011【总页数】4页(P143-146)【关键词】Shearlet变换;区域清晰度;区域能量;区域方差;多判别法【作者】邱万山;何建忠【作者单位】上海理工大学光电信息与计算机工程学院,上海200082;上海理工大学光电信息与计算机工程学院,上海200082【正文语种】中文【中图分类】TP391.41图像融合是信息融合［1］的一个重要分支，也是图像理解和计算机视觉中的一项重要技术，其分为3 个层次，即像素级图像融合［2］、特征级图像融合及决策级图像融合，在像素级图像融合中，多聚焦图像融合直接在原始数据上进行融合，能保持尽可能多的现场数据，提供其他融合层次所不能提供的更丰富、可靠的信息，有利于对图像的进一步分析、处理与理解。

图像融合算法在早期是基于空域的，直接对源图像的像素灰度空间操作，实现简单，但效果欠佳。

1983年，Burt P J 等人首先提出了金字塔变换［3］，开启了多尺度分解的序幕，之后基于小波变换［4］，Contourlet 变换［5］等的变换方法相继被提出。

1 Shearlet 变换1.1 预备知识Shearlet 变换［6－10］理论在2005 年提出，Glenn Easley等人将合成小波理论与传统的仿射系统理论相结合，提出了一种新的多尺度几何分析方法，通过对一个函数进行伸缩、平移、旋转生成一组基函数，使其和多分辨分析关联起来，能在不同尺度、不同方向对图像的细节信息进行有效描述。

Curvelet变换结合(2D)2PCA的人脸识别算法

Curvelet变换结合(2D)2PCA的人脸识别算法赵庆敏;彭雪莹【摘要】作为一种新的多尺度多方向性的信号分析工具,Curvelet变换不但具有小波变换多尺度和多分辨率的特点,还具有很强的方向性,对包含大量面部轮廓和五官曲线信息的人脸图像能实现最优的稀疏表示.本文提出并实现了一种基于Curvelet变换结合双向二维主成分分析((2D)2 PCA)的人脸识别算法,以Yale人脸数据库进行人脸识别实验,结果表明,该算法相对于传统基于小波变换的人脸识别算法,能有效提高识别率,缩短识别时间.【期刊名称】《南昌大学学报（理科版）》【年(卷),期】2018(042)002【总页数】4页(P180-183)【关键词】Curvelet变换;小波变换;人脸识别;双向二维主成分分析((2D)2PCA)【作者】赵庆敏;彭雪莹【作者单位】南昌大学信息工程学院,江西南昌 330031;天津市信息中心,天津300201【正文语种】中文【中图分类】TP391.41人脸识别技术作为生物特征识别技术中的一种，由于它是非接触、无侵犯性的，无须干扰人们的行为，被誉为最友好的生物特征识别技术[1]。

与其他生物特征(指纹、虹膜、语音等)识别技术相比，人脸识别技术具有检验快速、操作简便、准确可靠、隐蔽性好等优越性，在信息和公共安全等相关领域具有广阔的应用前景[2]。

近年来，作为一种很好的信号分析工具，小波变换发展迅速，为人脸图像的特征提取和表征提供了强有力的工具[3]，但由于小波变换只具有有限的方向性(水平、垂直和对角线)，对包含大量奇异性的人脸图像不能实现最优的表示。

为了克服小波变换方向性的不足，寻找更好的人脸图像表示方法，Candès和Donoho在Ridgelet变换的基础上于1999年提出了Curvelet变换并构造了Curvelet的紧框架[4]，该变换对含大量光滑奇异性曲线的目标函数可实现稳定、高效和近乎最优的表示。

基于Curvelet变换与分形的遥感图像融合

基于Curvelet变换与分形的遥感图像融合马瑶;那彦;张守将;刘震【摘要】基于Curvelet变换对于图像的光谱信息保留和分形原理,针对图像的纹理信息提取的特性,提出了一种基于Curvelet变换与改进的分形布朗运动分维数计算的新的融合算法。

对多光谱与全光谱图像进行了融合实验,并与传统的基于小波变换和高频系数取大算法进行了对比。

实验证明,文中算法在图像光谱信息保留和纹理细节信息等方面具有良好的性能。

%In this paper,an algorithm based on curvelet transform and fractal is proposed in light of the fact that the curvelet transform can keep the spectrum information and the principle of fractal can extract the texture information of the image.A fusion experiment is done using the panchromatic image and the multi spectral image,and a comparison is made with the algorithm based on the wavelet transform and high frequency coefficients.The result shows that the proposed method has a good performance on getting the spectrum and texture information.【期刊名称】《电子科技》【年(卷),期】2012(025)005【总页数】4页(P94-96,100)【关键词】图像融合;Curvelet变换;小波变换;分形布朗运动【作者】马瑶;那彦;张守将;刘震【作者单位】西安电子科技大学电子工程学院,陕西西安710071;西安电子科技大学电子工程学院,陕西西安710071;西安电子科技大学电子工程学院,陕西西安710071;西安电子科技大学电子工程学院,陕西西安710071【正文语种】中文【中图分类】TP391.41遥感图像融合是利用空间分辨率低、光谱信息丰富的多光谱图像和空间分辨率高、光谱分辨率低的全光谱图像进行融合，从而获得空间分辨率和光谱分辨率均较高的图像。

迭代离散Shearlet变换异类源遥感图像融合

ｃｍｐｓｄｒｅｆｔｅｕｉｎｍａｅｙｉｅｅｔｕｅｆｒｔｅｏｒｅｎｄｔｉｐｒｓｅａａｅｙＡｔｌｓ，ｓｏｉｇｉｏｏｏｅｔｏｈｆｓｏｉｇｂｄｆｒｎｒｌｓｏｈｃａｓａｄｅａｌａｔｓｐｒｔｌ．ａｔｆｉｎｍａｅｓｇｔｅｕｂｉｖｒｉｃｅｅｈａｌｔｒｎｆｒ．ｘｅｉｎｓｈｗｔｉｌｏｉｍｈｎｅｔｓｒｔＳｅｒｅｔｓｏｄａｍＥｐｒｍｅｔｓｏｈｓｇｒｈａｔａｂｔｐｒｏｅｍｎｅｈｎｍａｅｕｉｎ￣ｏｓ
ｂｓｄｏｎｏｒｅｎｅｐｅｔｒｎｄｅｍｏｅｅｅｔａｌ．ａｅｎＣｏｔｕｌｔａｄｋｅｓｔｘｕｅａｄｅｇｒｆｃｕｌｙＫｅｒｓｅｔｅｓｎｉａｅｆｓｏＳｅｒｅａｓｏｍ；ｇｖｌａｉｎｙｗｏｄ：ｒｍｏｅｓｎｉｇ；ｇｕｉｎ；ｈａｌｔｔｎｆｒｉｍｒｍａｅｅａｕｔｏ
ＣｍｕｅｎｉｅｉｎＡｐｉａｉｎ计算机工程与应用ｏｐｔＥｇｎｒｇａｄｐｌｔｓｒｅｎｃｏ
迭代离散Ｓｅｒｔｈａｌ变换异类源遥感图像融合ｅ
柴勇，何友，曲长文
ＣＨＡＩＹｎ，ｏ，ＵＣａｇｅｏｇＨＥＹｕＱｈｎｗｎ
摘
要：ｈａｌ变换是一种多尺度几何分析算法，用于遥感这类纹理丰富、Ｓｅｒｔｅ适边缘复杂的图像处理。提出了一种基于迭代离散

基于二代Bandelet和主成分变换的高光谱遥感图像融合

点，出一种基于二代Ｂｎｅｅ提ａｄｌｔ和主成分（ｒｃａｐｉｉｌｎｐ
ＩｓｒｓｌｉｅｔｒｔａｈｓｆＢｎｅｅｎＣｔａｓｏｍｔｅｕｔＳｂｔｅｈｎｔｏｅｏａｄｌｔａｄＰＡｒｎｆｒｍｅｈｄｔｏ．
ｃｍｐｎｎｓａａｙｉ，Ｃ）ｏｏｅｔｎｌｓＰＡ变换的高光谱遥感图像融合的方ｓ
法，用二代Ｂｎｅｅ变换进行图像的多尺度几何分析，利ａｄｌｔ得到每个波段图像的Ｂｎｅｅ数和几何流，多个波段ａｄｌｔ系对
Ｋｅｗｏｄ：Ｂａｄｌｔｔａｓｏｍ；ｐｉｃｐｌｃｍｐｎｎｙｒｓｎｅｅｒｎｆｒｒｎｉａｏｏｅｔａａｙｉ；ｏｔｏｏａｖｌｔｔａｓｏｍ；ｈｐｒｐｃｒｌｒｍｏｅｎｌｓｓｒｈｇｎｌｗａｅｅｒｎｆｒｙｅｓｅｔａｅｔ
Ｊ１０１ｕ．２１
文章编号：２３３４（０１０ —０８００５ —７Ｘ２１）７１６ —６
ＤＩ１．９９ｊｉｎ０５ —７ｘ２１．７０３Ｏ：０３６／．ｓ．２３３４．０１０．２ｓ
基于二代Ｂａｄｌｔ主成分变换的ｎｅｅ和高光谱遥感图像融合
别等后处理．感图像融合技术在土地资源调查、遥
谱遥感图像；融合

基于第二代Curvelet变换的多聚焦图像融合方法研究

科技富
基于第二代Ｃｕｒｖｅｌｅｔ变换的多聚焦国像融合方法研究
山东省人民防空办公室
［摘
刘天钊
要］本文针对光学成像系统聚焦范围有限，很难使得同一场景中所有物体都清晰这一特点，将一种多尺度几何分析方法—— 第
二代Ｃｕｒｖｅｌｅｔ变换引入到多聚焦图像融合之中。本文通过对多幅多聚焦图像Ｃｕｒｖｅｌｅｔ变换后的系数进行调整，再进行Ｃｕｒｖｅｌｅｔｉｆ￣，＿变
１．１连续Ｃｕｒｖｅｌｅｔ变换
图１．１Ｃｕｒｖｅｌｅｔ空间频域分块图
由此，令ＭｏｔｈｅｒＣｕｒｖｅｌｅｔ为（＿１，），其傅立叶变换（）＝（），则
．
在尺度２ ’上的所有Ｃｕｒｖｅｌｅｔ都可由ｐ，旋转和平移得到。引入相同间隔的旋转角度序列０＝２７ｖＡ２ａ￣／Ｚ＆，０，１ …，００，２ｎ和位移参量序列＝（ｌ，ｋ２）Ｅｚ，定义尺度为２，方位角为，，位置为ｚ＝
换得到结果图像。实验结果表明，基于Ｃｕｒｖｅｌｅｔ变换的多聚焦图像融合结果好，空间质量得到显著提高。［关键词］图像融合多聚焦图像第二代Ｃｕｒｖｅｌｅｔ变换
０、引言
当摄像机对与镜头相距不同距离的多个目标进行拍摄时，常常无法使多个目标同时聚焦。而利用图像融合技术，将针对不同的目标成像得到的多幅不同焦距的图像经过融合处理，提取各自清晰信息综合成一幅新的全面清晰的图像，进而有效地提高图像信息的利用率和系统对目标探测识别的可靠性，更有利于人跟的感知或计算机的后续处理。该技术正日益广泛地应用于计算机视觉、数码相机、目标识别等领域。图像融合是将两个或两个以上源图像信息加以综合，生成～个新的有关此场景更为精确、更为全面、更为可靠的解释，而这个解释是无法从单一图像中获取的。目前多聚焦图像融合方法主要有：加权平均法、多分辨塔式算法、小波变换法等。加权平均法是一种最简单的图像融合方法，它不对参加融合的源图像进行任何变换或分解，而是直接对其像素的灰度值进行加权平均形成一幅新的图像，其优点是简单直观，适时实时处理，但简单的叠加会使图像的信噪比降低。多分辨塔式融合算法是较为常用的融合算法。它的基本思想是，首先构造输入图像的金字塔，再按一定的特征选择方法取值来形成融合金字塔，然后通过对金字塔实施逆变换来进行图像重建，以生成融合图像。多分辨塔式融合算法虽然简单，但是运算量大，并且在金字塔重建时，有时会出现不稳定性，特别是当多幅源图像之间存在明显差异时，融合图像会出现斑块。小波变换法多聚焦图像融合的主要思想是，对不同聚焦图像分别进行小波正变换，再根据一定的融合准则选取适当的低频和高频小波系数，然后进行小波反变换便可得到融合后的清晰图像。小波融合算法由于抽样会引入噪声，并且数据冗余度大。针对小波是在表达二维图像时具有各向同性的缺陷，Ｄｏｎｏｈｏ提出了Ｃｕｒｖｅｌｅｔ变换，它的各向异性特征非常有利于图像边缘信息的高效表示。这一特点使得Ｃｍｗｅｌｅｔ变换自１９９９年问世以来就受到了研究者的高度关注，在图像处理方面得到了广泛应用。１、第二代Ｃｕｒｖｅｌｅｔ变换第一代Ｃｕｒｖｅｌｅｔ变换是在单尺度Ｒｉｄｇｅｌｅｔ变换或局部Ｒｉｄｇｅｌｅｔ变换的基础上构造的，用来描述具有曲线型奇异性边界的对象。Ｃｕｒｖｅｌｅｔ综合了Ｒｉｄｇｅｌｅｔ擅长表示的直线特征和Ｗａｖｅｌｅｔ变换适于表现点状特征的优点。第一代Ｃｍｗｅｌｅｔ变换的数字实现比较复杂，需要子带分解、平滑分块和Ｒｉｄｇｅｌｅｔ分析等一系列步骤，而且Ｃｕｒｖｅｌｅｔ金字塔的分解也带来了巨大的数据冗余量，因此Ｅ．Ｊ．Ｃａｎｄｅｓ等又提出了实现更简单、更便于理解的快速Ｃｕｒｖｅｌｅｔ变换算法，即第二代Ｃｕｒｖｅｌｅｔ变换。第二代Ｃｕｒｖｅｌｅｔ变换与第一代Ｃｕｒｖｅｌｅｔ变换不同的是在实现过程中没有引入Ｒｉｄｇｅｌｅｔ变换，而是在频域中直接给出了Ｃｕｒｖｅｌｅｔ变换核的具体表示形式。

基于Curvelet变换的遥感影像融合研究与实现的开题报告

基于Curvelet变换的遥感影像融合研究与实现的开题报告一、选题背景随着遥感技术的不断发展，各种高分辨率的遥感影像数据逐渐被广泛应用于各个领域。

在遥感影像数据的处理和应用中，影像融合技术是常用的一种手段。

影像融合技术可以将多源、多时相的遥感影像去除冗余信息，提高影像的空间分辨率和质量，为后续的遥感应用提供了更加有力的数据支撑。

Curvelet变换是一种基于多尺度、多方向的变换方法，能够将图像分解成多个子带，每个子带表示图像在不同的尺度下的局部特征。

利用Curvelet变换对遥感影像进行融合处理，可以克服传统的融合方法在空间分辨率和信息保留方面存在的局限，有效提高融合后影像的细节信息和视觉质量。

因此，基于Curvelet变换的遥感影像融合研究具有重要的理论价值和实际应用价值。

二、研究内容和目标本研究主要探究基于Curvelet变换的遥感影像融合方法，并通过实验验证其融合效果。

具体研究内容和目标如下：1、研究Curvelet变换的原理与特点，掌握其在遥感影像融合中的应用方法。

2、将不同分辨率的遥感影像通过Curvelet变换分解为多个子带，分别进行融合，得到高分辨率的融合影像。

3、通过评价指标对Curvelet变换融合方法和传统融合方法进行对比分析，验证其在空间分辨率和信息保留方面的优势。

4、在实际遥感应用中，对基于Curvelet变换的遥感影像融合方法进行应用验证，验证其在遥感信息获取和分析中的实际效果和应用价值。

三、研究方法和步骤本研究的方法和步骤主要包括：1、文献调研：查阅与基于Curvelet变换的遥感影像融合相关的文献和研究成果，全面了解其研究现状和发展趋势。

2、算法实现：利用MATLAB等工具，编写基于Curvelet变换的遥感影像融合算法，实现遥感影像的融合处理。

3、实验验证：选取不同分辨率的遥感影像数据，利用已实现的算法进行处理和融合，通过定量和定性分析的方法对融合效果进行评价和验证。

基于Curvelet变换的自适应遥感图像融合算法

基于Curvelet变换的自适应遥感图像融合算法
申雪琴;何同弟
【期刊名称】《计算机应用与软件》
【年(卷),期】2010(27)6
【摘要】提出一种基于Curvelet变换的自适应遥感图像融合算法.首先对全色图像和多光谱图像图像做Curvelet变换,分解成低频系数和高频系数,分解后的低频系数选取区域能量的加权系数自适应融合规则,高低频系数采用以空间频率为度量标准结合自适应因子进行自适应融合规则,再对得到的低频和高频系数进行Curvelet 反变换得到融合图像.实验结果表明该算法是一种有效可行遥感图像融合算法.【总页数】4页(P39-42)
【作者】申雪琴;何同弟
【作者单位】河西学院计算机系,甘肃,张掖,734000;河西学院计算机系,甘肃,张掖,734000
【正文语种】中文
【相关文献】
1.一种新的基于Curvelet变换的遥感图像融合算法 [J], 玄立超;谢亦才
2.基于局部均值和标准差的Curvelet变换遥感图像融合算法 [J], 朱金艳;车进;郭中华
3.基于二代curvelet变换耦合方差特征约束的遥感图像融合算法 [J], 韩卫冰
4.基于鲁棒自适应归一化卷积的遥感图像融合算法 [J], 郭玥;朱齐亮
5.基于对偶树复小波—Curvelet变换的自适应多传感图像融合算法 [J], 王小军;何同弟
因版权原因，仅展示原文概要，查看原文内容请购买。

基于二代curvelet与wavelet变换的自适应图像融合

规则，然后进行小波逆变换得到融合的ｃｒｅｅ系数；后，ｕｖｌｔ最进行快速离散ｅｒｅｔ变换得到ｕｖｌ逆ｅ
融合图像。实验结果表明，方法能够更加有效、该准பைடு நூலகம் 地提取图像中的特征，一种有效可行是
的图像融合算法。
基于二代ｃｒｅｔｗｖｌｔｕｖｌ与ａｅ变换的自适应图像融合ｅｅ
周爱平，梁久祯
（江南大学信息工程学院，江苏无锡２４２）１１２
摘要：针对同一场景红外图像与可见光图像的融合问题，出了一种基于二代ｃｒｅｔ提ｕｖｌ与ｅ
第４０卷第９期
２１００年９月
激光与红外
ＬＡＳＥＲ＆ＩＮＦＲＡＲＥＤ
Ｖｏ．１４０，．Ｎｏ９
Ｓｐｅｅ，００ｅｔｍｂｒ２１
文章编号：０－７（０００— １－１１０８２１）９１０００５０７
・图像与信号处理・
ｗｖｌ变换的自适应图像融合算法。首先对源图像进行快速离散ｅｒｅｔａｅｔｅｕｖｌ变换，到不同尺ｅ得
度与方向下的粗尺度系数和细尺度系数；据红外图像与可见光图像的不同物理特性以及人根
类视觉系统特性，对不同尺度与方向下的粗尺度系数和细尺度系数采用基于离散小波变换的图像融合方法，小波域中，在对低频系数采用基于红外图像与可见光图像的不同物理特性的自适应融合规则，高频系数采用基于邻域方向对比度与局部区域匹配度相结合的自适应融合对

基于2代Curvelet改进IHS变换的遥感图像融合

基于2代Curvelet改进IHS变换的遥感图像融合蒋年德;王耀南;毛建旭【期刊名称】《中国图象图形学报》【年(卷),期】2008(013)012【摘要】Curvelet变换是继小波变换之后,能更适合于图像处理的一种新的多尺度变换分析方法,它比小波变换更加适合分析2维图像巾的曲线或直线状的边缘特征,同时也具有很强的方向性.为了将该变换应用于图像融合,首先对第2代Curvelet 变换理论进行了综述,然后在对基于第2代Curvelet变换的遥感图像融合方法进行研究的基础上,提出了一种与IHS变换结合的融合方法.最后用高分辨率全色图像与低分辨率多谱图像进行了融合实验,实验结果表明,将Curvelet变换引入图像融合,能够更好地提取原始遥感图像的特征,不仅可为融合图像提供更多的信息,而且融合图像能在较好地保留光谱信息的同时,使空间细节信息也得到增强.【总页数】7页(P2376-2382)【作者】蒋年德;王耀南;毛建旭【作者单位】湖南大学电气与信息工程学院,长沙,410082;东华理工大学信息工程学院,抚州,344000;湖南大学电气与信息工程学院,长沙,410082;湖南大学电气与信息工程学院,长沙,410082【正文语种】中文【中图分类】TP391.41;TP751【相关文献】1.基于Curvelet和改进区域方差的遥感图像融合 [J], 栾静;殷明;于立萍;白瑞峰;水珺2.基于改进IHS变换的遥感图像融合新算法 [J], 彭圣华;孙映成3.采用改进型IHS变换的遥感图像融合算法 [J], 宋丽玲;曹壬艳4.基于 IHS变换和 Curvelet变换的卫星遥感图像融合方法 [J], 肖化超;周诠;郑小松5.改进的基于Curvelet变换的遥感图像融合方法 [J], 罗冬梅;赵志刚;李园园因版权原因，仅展示原文概要，查看原文内容请购买。

基于快速离散Curvelet变换的多聚焦图像融合

… ．
Ｕｗ）（＝（）（ｗ）ｗ
系数的选择采用基于局部标准方差系数融合规则，首先分别求出ｘＹ图像高频频系数的局部，（）标准方差ＳＤ（ｌ２，Ｔｋ，２。３Ｔｋ，）ＳＤ（ｌ）ｋｋ
＾（ＪＩ／＝０２．；～２，ｒ／Ｍ０
『厂。－］ ’
ｔ＇ｆａｎ
则离散曲波定义为：￣ｑｊｋ（）２Ｊ￣ａｘ：３／
，
＼ｕ８）
（ —
）］
式中，１大小为３３５５等，（，）ＮｘＭｌｘ、ｘ１２为局部均值 ’ 中方差值越大，其表明所对应源图像的局部对比度越大，晰度越高，即清选择规则
高新技术
ＣｉｗｅｎｏｅａｏｃｈａｅＴｈｌｉｄｒｕ童ｎＮｃｏｇｓｎＰｄ・ｔｓ
基于快速离散Ｃｒｌｕｖｅ变换的多聚焦图像融合ｅｔ
王子新黄颖王红玲
（华理工大学，江西抚州３４０东４０）
摘要：ｕｅｔＣｒｌ变换除了具有一般小波变化的多尺度，局部性外，还具有方向性，本文将以Ｃｒｅｔｖｅｕｖｌ变换为基础，对图像进行ｅＣｒｌ分解得到图像的低频和高频系数，分别讨论了低频系数和高频系数的选择原则。对低频系数采用基于局部边缘准则，ｕｖｅｅｔ并而对于高频系数采用基于局部标准方差的方法。实验结果表明，这种方法能够在保留图像微小细节方面获得满意的结果，算法有效这种且优于其他的图像融合方法。