基于小波变换的多光谱图像融合

合集下载

基于小波变换的图像融合

基于小波变换的图像融合摘要：图像融合是通过某种算法，将两幅或多幅不同的图像进行合并以形成一一幅新的图像的过程，其的主要目的是通过对多幅图像间的冗余数据的处理来提高图像的可靠性，通过对多幅图像间的互补信息的处理来提高图像的清晰度。

本文的研究重点是基于小波变换实现图像的初步融合，完成将两幅不同的图像进行合并以形成一幅新的图像。

关键词:图像融合，小波变换，融合算法，图像信息AbstractThe image fusi on is a procedure that comb ine more tha n twoimages in order to get a new image, and it ' s main purpose of image fusi on of multiple images is enhance the reliability of image through deal with the ultra data of the in itial image, and improve the defi niti on of the image through deal with the compleme ntary in formatio n of the images. The key point of this article is realized the image fusi on based on the wavelet tran sform and comb ines two images to get a new image.Key Words : image fusion, wavelet transform, fusion algorithm, image in formatio n一、引言图像融合是通过某种算法，将两幅或多幅不同的图像进行合并以形成一幅新的图像的过程。

基于PCNN的小波变换多光谱与全色遥感影像融合算法

!"#!$%&$'(')*+&,-./&$01$21(3$&)%)()$%)1基于5:;;的小波变换多光谱与全色遥感影像融合算法段延超4高利杰河南开封科技传媒学院!河南开封!"*%$$'摘4要本文在小波变换融合算法的基础上结合了68J J算法提出了一种新的多光谱影像与全色影像融合算法该算法首先利用68W变换和#V;变换完成对影像的前置处理然后对小波变换后的低频分量采用加权平均法的融合规则高频分量采用68J J的融合规则最后通过#V;逆变换完成影像的融合结果表明算法影像融合效果较好有效地解决光谱失真和融合细节的问题具有较好的实用价值关键词图像融合 68J J 小波变换多光谱与全色44随着遥感技术的不断发展"获取遥感数据的能力也越来越强"种类也越来越丰富"包括全色影像$多光谱影像$高光谱影像$夜光影像等*$+#不同类型的遥感影像在空间分辨率$光谱分辨率等方面具有不同的特点#如何综合利用这些遥感数据"成为遥感技术研究的一个重要方向#多光谱影像是指通过对地球表面反射$辐射$散射等电磁波进行多波段的采集和记录"形成的带有多个波段的遥感影像#每个波段都包含了物体不同的光谱特征信息"可以用于地表物质分类$植被覆盖度计算$水体提取等分析应用#全色影像是指在单一波段内采集的遥感影像"与多光谱影像相比"其光谱分辨率较高"一般在%&(R$&%米之间#全色影像具有高空间分辨率和较好的灰度级表现力"可以用于地物边界提取$建筑物检测等应用#因此"对于一些需要既考虑地物信息又需要高空间分辨率的遥感应用"比如地物分类$地形分析等"就需要将多光谱影像和全色影像进行融合"以期得到更加准确$全面的遥感信息#融合后的影像具有高空间分辨率和多波段信息的特点"因而能更好地支持遥感数据的分析和决策#多光谱影像与全色影像融合技术在提高遥感数据的综合利用效率$地表信息获取的准确度和全面性$优化遥感图像分析方法以及推动遥感技术发展等方面具有重要意义*)+#本文重点研究在小波变换的基础上"使用68J J'脉冲耦合神经网络(来处理小波变换后的高频分量"从而提高多光谱影像和全色影像的融合的细节信息#'常见多光谱与全色影像融合算法遥感影像融合算法可以分为基于变换的融合算法$基于像素级的融合算法$基于图像分割的融合算法$基于深度学习的融合算法#不同的算法具有不同的适用场景和优缺点"需要根据具体的应用需求和数据特点来选择合适的算法#以下算法是多光谱与全色影像常见的融合算法#$&$\B>b N e变换\B>b N e变换是一种常见的遥感影像融合算法"用于将多光谱影像和全色影像融合在一起#该算法通过将全色影像的每个像素值按比例分配给多光谱影像的=:\三个分量"从而产生融合后的=:\图像#由于全色影像具有高空间分辨率和单一光谱波段"\B>b N e变换融合可以使融合后的影像具有更高的空间分辨率和更多的光谱信息#然而"该算法存在着色偏和光谱失真等问题"因此在实际应用中需要注意算法参数的调整和效果评估# $&)#V;变换#V;变换是一种基于颜色空间的融合算法"它将多光谱影像和全色影像转换到三个颜色分量中"并将全色影像的强度分量与多光谱影像的色彩分量进行加权平均来生成融合图像#这种方法的优点是融合后的图像色彩保真度高"但对于保留多光谱信息而言"效果并不是很好# $&(68W变换68W是一种数据降维的方法"可以将高维度数据转换为低维度数据"并且保留数据的主要信息#由于68W变换可以在保留原始数据信息的同时减少数据维度"从而降低了数据冗余和噪声的影响"因此68W变换融合算法具有良好的融合效果和实用性#同时"与传统的基于像素的融合方法相比"68W变换融合算法能够更好地保持影像细节和色彩信息"提高影像的可解释性和应用效果#$&3小波变换小波变换'_Z b N?N O(是一种多尺度分析的融合算法"它通过对多光谱影像和全色影像进行小波变换"然后将变换后的系数进行加权平均来生成融合图像*(+#这种方法的优点是可以在不同尺度上融合图像"从而得到更加丰富的信息#+*!科技风"#"$年%月电子信息$&9J J !/X X ^C N算法J J !/X X ^C N 融合算法是一种基于J J !/X X ^C N 算法的图像融合方法"它可以将多幅具有不同成像特点的图像融合成一幅具有更高质量的图像#但是"由于J J !/X X ^C N 算法本身的计算量比较大"因此J J !/X X ^C N 融合算法的计算量也较大"需要一定的计算资源和时间*3+# 本文融合算法小波变换融合算法对噪声比较敏感"因为噪声可能会导致小波分解后的低频和高频分量之间的权重分配不合理"从而影响融合结果的质量#为了提高多光谱影像和全色影像的融合效果"本文融合算法主要步骤如下#)&$小波变换前置处理步骤)&$&$多光谱影像68W 变换由于多光谱影像的第一主成分反映了多光谱影像中最大的变化"通常也包含了最多的信息#为了减少光谱扭曲"同时提升融合后细节信息#本文算法首先对全色图像进行68W 变换"然后将多光谱图像的第一主成分与全色图像进行直方图匹配"从而提升融合后遥感影像的质量和分析结果的准确性#)&$&)多光谱影像#V ;变换为了避免融合后影像出现色彩失真等问题"本文采用了#V ;变换作为融合算法的前置处理步骤#首先"对重采样后的多光谱影像进行#V ;变换"将其分解为强度'#($色度'V (和饱和度';(三个分量#其次"经直方图配准的全色影像与#进行小波变换"得到新的强度分量'#d (#最后"利用#V ;逆变换将#d 与原色度分量'V (和饱和度分量';(组合成新的彩色影像"完成融合处理#由于色度和饱和度分量未经过改变"因此融合后的影像能够很好地保留原多光谱影像的色彩信息#)&)小波变换融合规则)&)&$基于加权平均法的低频分量融合规则小波变换融合算法中"加权平均法用于融合低频分量"目的是保留多光谱影像和全色影像的结构信息#低频分量融合的规则如下!&+,'-".(m /$&0,'-".(G /)&1,'-".(在公式中"'-".(表示像素点的位置"-表示经小波分解的层数"&0,'-".("&1,'-".(表示低频分量系数对相应像素值"&+,'-".(表示融合后低频分量系数"/$"/)表示融合时加权系数'/$G /)m $(#)&)&)基于68J J 的高频分量融合规则68J J 是一种基于生物学神经系统的人工神经网络模型"其灵感来源于脉冲神经元之间相互作用的方式#68J J 在图像处理领域广泛应用"其主要特点是能够实现对图像的非线性$时空域的信息处理"并且能够很好地提取出图像中的边缘信息"因此在图像融合中也被广泛应用*9+#经过小波分解后"高频分量包含了边缘$区域边界等细节信息#将高频分量系数与68J J 结合起来"可以进一步改善融合的细节效果#高频分量融合的规则如下!&+-.m&0-."#0-.',( #1-.',(&1-."#0-.',(l #1-.',({在公式中"经过-次迭代后"#0-.',(和#1-.',(表示神经元点火次数矩阵"&+-.表示融合后高频分量系数"&0-.和&1-.表示分解后高频分量系数#通过68J J 模型的非线性作用"可以提取出图像中的边缘和纹理等细节信息"从而进一步改善融合效果#)&(本文融合算法具体步骤'$(影像配准#')(多光谱影像进行#V ;变换"将其分解成#$V 和;三个分量"并对其进行68W 变换"得到第一主成分68$#'((全色影像和重采样后的68$进行直方图匹配"得到匹配后的6W J d #'3(将亮度分量#和匹配后的6W J d 进行小波变换"得到高频分量和低频分量#'9(低频分量采用加权平均值"高频分量采用68J J 融合规则#'0(经小波逆变换"得到新强度分量#d #'1(使用#d "经#V ;逆变换"得到融合影像#本文算法流程图如图$所示#图$本文融合算法实验结果与分析为了验证本文融合算法的优越性"使用\B >b N e 变换$V #;变换$68W 变换$小波变换$J J !/X X ^C N 融合算法做对比试验"融合效果采用主观评价方法和客观评价方法#实验电子信息科技风年月数据使用高分)号卫星拍所摄的$T 分辨率的全色影像和3T 分辨率的多光谱影像#多光谱影像$全色影像及融合结果如图)所示#图)多光谱影像!全色影像及融合结果(&$主观评价根据实验结果"可以看出\B >b N e变换算法融合结果后出现色彩偏差$#V ;变换算法在高光和阴影细节方面表现较差$68W 变换算法在保留图像细节方面略逊于#V ;算法$J J !/X X ^C N 算法在保留多光谱影像的颜色信息方面稍逊于其他算法$小波变换算法在保留多光谱影像颜色信息方面相对较差#本文算法融合结果既保留了多光谱影像的色彩"又很好地保留了全色影像的细节$清晰度等信息#从主观评价上"本文算法要优于其他算法#(&)客观评价融合效果的客观评价选取信息熵$平均梯度$相关系数$均方差误差$交互信息量作为融合结果评价指标*0+#融合结果如下表所示#融合结果客观评价指标表'$(信息熵值越高"表明影像所携带的信息量越多#除了原始影像"本文算法的信息熵值高于其他算法"表明本文算法具有更高的信息量#')(平均梯度值越高"表明影像的清晰度越高#本文算法利用68J J 融合规则有效提高了影像细节表现能力"其平均梯度值高于其他算法"表明本文算法在清晰度方面处于较高水平#'((相关系数值越接近$"表明与参考影像的相关度越高#本文算法与参考影像的相关度较高"表明本文算法的融合效果与理想效果最接近#'3(均方根误差值越小"表明与参考影像的差异越小#本文算法相较于其他算法具有更小的均方根误差值#'9(交互信息量值越大"表明与参考影像最为贴合#本文算法的交互信息量值略高于小波变换融合算法"但优于其他算法#综合而言"本文的融合算法在客观评价指标分析中表现出色"显著提高了融合效果"并成功解决了小波变换融合算法中出现的分块和光谱失真问题#相较于其他算法"本文算法提升了融合后影像的细节表现能力#结论本文算法的优势在于"能够有效地保留多光谱影像的细节信息"还具有较强的适用性和鲁棒性#缺点在于"本文算法处理包含建筑物的遥感影像融合效果较好"但不适用于处理其他类型遥感影像#另外"本文算法的复杂度较高"运算速度较慢"不适合实时处理大量数据#本文算法还需要进行进一步的优化和改进#参考文献&$'李树涛"李聪妤"康旭东&多源遥感图像融合发展现状与未来展望&F '&遥感学报")%)$")9+%$,($3I2$00&&)'张丽霞"曾广平"宣兆成&多源图像融合方法的研究综述&F '&计算机工程与科学")%))"33+%),(()$2((3&&('谭仁龙&一种基于小波变换的图像融合方法&F '&测绘通报")%$1+%',(3)239&&3'8LN -"i &"r ;^-"F &+)%)%,&W ->b N ?/T Z H NX ^C />-T N O L>@MZ C N @>-Z ,>-b >?^O />-Z ?-N ^B Z ?-N O A >B .Z -@J J !/X X ^C N &8>T K^O N B C r:N >C ,/N -,N C "$('"$%39$I&&9'段延超&基于;#D Y 和小波变换的遥感影像配准融合算法研究&!'&河南大学")%$'&&0'杨艳春"李娇"王阳萍&图像融合质量评价方法研究综述&F '&计算机科学与探索")%$I "$)+%1,($%)$2$%(9&作者简介段延超+$''%$4,"男"汉族"硕士"助教"研究方向(图像处理%高利杰+$''$$4,"男"汉族"硕士"助教"研究方向(图像处理自动控制#科技风年月电子信息。

基于小波包变换的QuickBird全色影像和多光谱影像的融合

收稿日期:2004-09-13;　收修改稿日期:2004-12-01基于小波包变换的Quick Bird 全色影像和多光谱影像的融合张文娟1,康家银2(11淮海工学院计算机系,江苏连云港222005;21北京科技大学信息工程学院,北京100083) 摘　要　为了能够更好地将迄今为止在商业领域内空间分辨率最高的QuickBird 卫星遥感影像的高空间分辨率特性和多光谱特性结合起来,以提高对影像信息的分析和提取能力,笔者在研究了小波包图像分析法之后,提出了一种基于小波包变换(WPT )的QuickBird 遥感影像融合方法,在此基础上,对同一地区Quick Bird 全色影像和多波段影像进行了融合实验,获得了满意的实验结果。

主题词　QuickBird 全色影像　多光谱影像　影像融合　小波包变换1　引　言遥感影像融合是近几年来国际遥感界的研究热点,是解决多源遥感海量数据富集表示的有效途径,将有利于增强多重数据分析能力,为大规模的遥感应用研究提供一个良好的基础[1]。

在影像融合方法上已有一些研究,如IHS 变换法、PC A 变换法、高通滤波(HPF )法等[2]。

近几年来,一些新的方法特别是基于小波[3,4]的方法得到了重视。

IHS (Intensity ,Hue ,Saturation )表示强度、色调和饱和度,它们是人们认识颜色的3个特征。

IHS 彩色空间变换是指将RG B (Red ,G reen ,Blue )空间的图像分解成空间信息(I )和光谱信息(H ,S )[2]。

IHS 变换融合方法在图像处理和分析领域中已经成为一个标准方法,它虽然可提高地物纹理特性,增强多光谱图像的空间细节表现能力,但大大降低了当前大量高光谱、超光谱图像数据的利用程度[5]。

PC A (Principal C om ponent Analysis ,主成分分析)也称K —L (K arhunen -Loeve )变换,是一种统计学方法。

基于小波变换的多聚焦图像融合ppt课件

[F (i, j) F (i, j 1)]2；
MN i0 j1
1
M 1 N 1
[F (i, j) F (i 1, j)]2。
MN j1 i1
•25
④融合评价
(a) 可见光图像 (b) 红外图像
(c) Haar小波 (d) W5/3小波 (e)Daubechies9/7
•(Images adapted from Zitova,2003 )
•14
②图像配准
例如：
•待匹配图像
参考图像
•匹配图像
与参考图像的叠加效果
•16
③融合方法
常用方法
对应像素取最大值
•空间域
对应像素取最小值
•简单组合式图像融合方法对应像素取平均值
•逻辑滤波器法
加权平均法
•数学形态法
subplot(2,2,3); image(XX); title('融合结果一'); Csize1=size(c1); for i=1:Csize1
c1(i)=0.8*c1(i); end Csize2=size(c2); for j=1:Csize2
c2(j)=1.2*c2(j); end c=0.6*(c1+c2); XXX=waverec2(c,l2,'sym4'); subplot(2,2,4); image(XXX); title('融合结果二');
远程摄像法大坝表面裂缝检测
基于小波变换的多聚焦图像融合
•1
•2
目录
•3
①图像融合简介 ②配准 ③融合方法 ④融合评价
•4
①图像融合简介
图像融合(Image Fusion)是用特定的算法将两幅或多幅图像综合成一幅新的图像。融合结果由于能利用两幅(或多幅) 图像在时空上的相关性及信息上的互补性，并使得融合后得到的图像对场景有更全面、清晰的描述，从而更有利于人眼的识别和机器的自动探测。

基于小波包变换的多光谱图像融合方法研究

但运算量在多分辨分析中，尺＝Ｌ（） ④ ，表明多分辨包含的细节越丰富，随着分解层数增多，并且顶层融合损失的信息越大。因此基于分析是按照不同的尺度因子＿『把空间（）尺分解为也越大，一般为３。分层所有子空间（ ∈Ｚ的正交和的。其中，为小小波包变换的分解层数不宜过多，）
中图分类号Ｔ９１７Ｎ１．３
１引言
图像融合技术是数据融合技术的一个分支，它
交小波的构造方法以及正交小波变换的快速算法，即Ｍｌｔａａ算法。但是多分辨分析只是对低频部分ｌ（即近似图像部分）进行进一步分解，而对高频部分（即细节图像部分）则不予以考虑，这样就不能
维普资讯
１０２
王
威等：基于小波包变换的多光谱图像融合方法研究
第３卷５
频图像）。这四个图像的大小是相同的。小波分解的融合、特征级的融合以及决策级的融合。本文所
对每一层所得到的低频分量Ｌ可以继续进行下一采用的是象素级的融合，Ｌ即直接对图像的象素进行
收到本文时间：０６年５月２２０６日基金项目：武汉工程大学首届校长基金项目资助。作者简介：威，，王男武汉工程大学计算机科学与技术专业大四学生，业方向为数字图像处理。专王海晖，，中男华
科技大学博士，工程大学副教授，武汉主要研究方向为图像处理、模式识别和图像融合。杨丽萍，，女武汉工程大学计算机科学与技术专业大四学生，专业方向为数字图像处理。
是基于金字塔式分解和重建算法的融合方法 ቤተ መጻሕፍቲ ባይዱ 但它

一种基于小波变换的多分辨图像融合算法

式（３）两边同时乘以 !ｊ＋１，ｋ，然后结合ｘ，可以得到：
% % ｊ＋１
ｃｎ＝
１
（
ｊ
ｃｋ
ｈ&２ｋ－ｎ＋
ｊ
ｄｋ
ｇ’ ２ｋ－ｎ）
"２ｎ
ｋ
（６）
其中ｈ&ｎ＝ｈ－ｎ，ｇ’ ｎ＝ｇ－ｎ，当信号是有限的，ｈ&ｎ＝ｈ１－ｎ，ｇ’ ｎ＝ｇ１－ｎ。公式（６）是
信号的重构公式。公式（４）、（５）和（６）被称为Ｍａｌｌａｔ算法。
很多图像融合算法都具有潜在的应用价值，但是不同图像的特征表征不同，融合算法也就不同。一般所采用的融合方法
有：基于像素的代数组合法、统计／数值比较、最大值选择法［７］、加权平均法［７］、区域选择法［１，７］以及与颜色有关的技术［８］。
较早期的基于最大值最小值算法和加权平均法的局限性
比较大，所以一般都不采用。而文献［８］中提出的高频基于最大
Ａｂｓｔｒａｃｔ：Ｔｈｅｉｍａｇｅｆｕｓｉｏｎｉｓｔｈｅｐｒｏｃｅｓｓｏｆｃｏｍｂｉｎｉｎｇｔｗｏｏｒｍｏｒｅｉｍａｇｅｓｉｎｔｏａｓｉｎｇｌｅｉｍａｇｅ．Ｆｕｓｅｄｉｍａｇｅｒｅｔａｉｎｓｉｍｐｏｒｔａｎｔｆｅａｔｕｒｅｓｆｒｏｍｅａｃｈ．Ｉｍａｇｅｆｕｓｉｏｎｔｅｃｈｎｉｑｕｅｓｃａｎｉｍｐｒｏｖｅｔｈｅｑｕａｌｉｔｙ，ａｎｄｉｎｃｒｅａｓｅｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｔｈｅｓｅｄａｔａ．Ｔｈｅｐａｐｅｒｍｏｓｔｌｙａｄｄｒｅｓｓｅｓｔｗｏｉｓｓｕｅｓｉｎｉｍａｇｅｆｕｓｉｏｎ：（１）ｔｈｅｉｍａｇｅｆｕｓｉｏｎａｌｇｏｒｉｔｈｍ；（２）ｃｏｒｒｅｓｐｏｎｄｉｎｇｑｕａｌｉｔｙａｓｓｅｓｓｍｅｎｔ．Ｉｎｔｈｅｉｍａｇｅｆｕｓｉｏｎｓｃｈｅｍｅｐｒｅｓｅｎｔｅｄｉｎｔｈｉｓｐａｐｅｒ，ｔｈｅｏｒｉｇｉｎａｌｉｍａｇｅｓａｒｅｐｒｅｐｒｏｃｅｓｓｅｄｂｙｍｕｌｔｉｒｅｓｏｌｕｔｉｏｎｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｓｆｉｒｓｔ，ｔｈｅｎｔｈｅｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｓｃｏｅｆｆｉｃｉｅｎｔｓｏｆｔｈｅｉｎｐｕｔｉｍａｇｅｓａｒｅａｐｐｒｏｐｒｉａｔｅｌｙｓｅｌｅｃｔｅｄｂｙｃｅｒｔａｉｎｆｕｓｉｏｎｒｕｌｅｓ，ａｎｄｔｈｅｎｅｗｉｍａｇｅｉｓｏｂｔａｉｎｅｄｂｙｔａｋｉｎｇｔｈｅｉｎｖｅｒｓｅｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｏｆｔｈｅｆｕｓｅｄｗａｖｅｌｅｔｃｏｅｆｆｉｃｉｅｎｔｓ．Ｑｕａｌｉｔｙａｓｓｅｓｓｍｅｎｔｆｏｒｆｕｓｅｄｉｍａｇｅｓｉｓａｌｓｏｄｉｓｃｕｓｓｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅｆｕｓｉｏｎ；ｍｕｌｔｉｒｅｓｏｌｕｔｉｏｎａｎａｌｙｓｉｓ；ｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ；ｑｕａｌｉｔｙａｓｓｅｓｓｍｅｎｔ

基于多小波分解的多光谱图像矢量融合

合在一起，使小波理论从标量扩展到矢量范畴。考虑到图像多小波变换系数具有矢量特性，该文将基于像素点和基
于区域的标量融合策略推广到矢量情形，提出一种新的、在多小波域中基于矢量融合的图像融合算法，充分利用多
小波变换域系数矢量内部各个分量的相关性来提高融合质量。两波段真实多光谱图像融合实验结果表明，与单小波
维普资讯
第２卷第４期９
２０年４月０７
电
子
与
信
息
学
报
Ｖｂ＿９．ｌＮｏ４２
Ｊｕｎｌｆｅｔｏｉｓ＆ＩｏｍａｉｎＴｃｎｌｇｏｒａｃｒｎｃｏＥｌｎｆｒｔｏｅｈｉｈｉｌｏｐｏｓｄｉｈｓｐｐｒｏｅｉｎａｇｒｔｍｓａｓｒｐｏｅｎｔｉａｅ．Ｔｈｅａｇｒｔｍｓｂｅｎｖｃｏｕｉｎｓｈｍｅｉｕｅｎｗｌｏｉｈｉａｄｏｅｔｒｆｓｏｃｅｎｓｍｕｔｗａｅｅｏｌｉｖｌｔｍａｎ，ｉｈｍａｅｕｃｅｔｕｅｏｈｏｒｌｔｏｍｏｇｔｅｃｍｐｎｎｓｏｌｉｖｌｔｔａｓｏｍｄｉｗｈｃｋｓｓｆｉｎｓｆｅｃｒｅａｉｎａｉｔｎｈｏｏｅｔｆｍｕｔｗａｅｅｒｎｆｒｃｅｃｅｔｖｃｏｓｔｍｐｏｅｆｓｎｑｌｙＴｈｒｇｎｌｌｏｉｈｉｃｒｉｄｏｔｗｉｈｅｏｆｉｎｅｔｒｏｉｒｖｕｉｕａｉｅｏｉｉａｇｒｔｍｓａｒｕｔｍｐａｅｎｔｅｎｖｌｙｏｉｏｔａｅｈｓｓｏｈｏｅｔｆｔｅｆｓｏｌｏｉｈａｄｔｅｄｍｏｓｒｔｏｙｕｓｎｅｌｈｉｎａｇｒｔｍｎｈｅｎｔａｉｎｂｉｇｒａｌｉｐｃｒｍａｅｃｍｐｒｄｗｉｈａｇｒｔｍｓｅｐｏｉｇｕｍｕｔｓｅｔａｉｇｏａｅｔｌｏｉｈｍｌｙｎｌ

基于多小波分解的多光谱图像矢量融合

第29卷第4期电子与信息学报Vol.29No.4 2007年4月 Journal of Electronics & Information Technology Apr. 2007基于多小波分解的多光谱图像矢量融合吴晓荣何明一张易凡(西北工业大学电子信息学院陕西省信息获取与处理重点实验室西安 710072) 摘要：在实数域中，对称、正交的紧支集非平凡单小波基不存在，而多小波把紧支性、对称性、正交性完美地结合在一起，使小波理论从标量扩展到矢量范畴。

考虑到图像多小波变换系数具有矢量特性，该文将基于像素点和基于区域的标量融合策略推广到矢量情形，提出一种新的、在多小波域中基于矢量融合的图像融合算法，充分利用多小波变换域系数矢量内部各个分量的相关性来提高融合质量。

两波段真实多光谱图像融合实验结果表明，与单小波标量融合方法相比，多小波矢量融合算法获得的图像具有较优的视觉效果和客观评价指标，从而证明了用于图像融合时，多小波较之单小波更适合于人类视觉系统，具有广泛的应用前景。

关键词：矢量融合；图像融合；多小波；多光谱图像中图分类号：TP391 文献标识码：A 文章编号：1009-5896(2007)04-0789-06Vector Fusion of Multispectral Images Based onMultiwavelet DecompositionWu Xiao-rong He Ming-yi Zhang Yi-fan(Electronic and Information School, Northwestern Polytechnical University,Shannxi Key Lab of Information Acquiringand Processing, Xi’an 710072, China) Abstract：In the real domain, the finitely supported, orthogonal, symmetric nontrivial scalar wavelet bases do not exist, while the multiwavelet offers the finite support, symmetry, orthogonality simultaneously. As a result, the wavelet theory is extended to vector field. Considering vector characteristics provided by the coefficients of the multiwavelet transformed image, pixel-based and region-based scalar fusion schemes are extended to vector case anda novel fusion algorithm is also proposed in this paper. The new algorithm is based on vector fusion scheme inmultiwavelet domain, which makes sufficient use of the correlation among the components of multiwavelet transform coefficient vectors to improve fusion quality. The original algorithm is carried out with emphases on the novelty of the fusion algorithm and the demonstration by using real multispectral image compared with algorithms employing wavelet scalar fusion scheme. The experimental results demonstrate that the proposed multiwavelet vector fusion algorithm can obtain both better subjective vision characteristics and better objective evaluation indices and outperform the wavelet scalar fusion scheme. Accordingly it is testified that when applied in image fusion, multiwavelet is more suitable than wavelet to human vision system and it is of great potential to wide applications.Key words：Vector fusion; Image fusion; Multiwavelet; Multispectral image1 引言在小波图像处理中，正交性确保图像分解系数不具有冗余性；光滑性可以减小高频带通滤波各个子带的频间相关干扰；紧支性保证了滤波器的有限响应，便于工程应用；而对称性(线性相位)既适合于人眼的视觉系统，又使信号在边界易于处理。

基于小波变换的图像融合算法研究毕业论文

基于小波变换的图像融合算法研究摘要本文给出了一种基于小波变换的图像融合方法，并针对小波分解的不同频率域，分别讨论了选择高频系数和低频系数的原则。

高频系数反映了图像的细节，其选择规则决定了融合图像对原图像细节的保留程度。

本文在选择高频系数时，基于绝对值最大的原则，低频系数反映了图像的轮廓，低频系数的选择决定了融合图像的视觉效果，对融合图像质量的好坏起到非常重要的作用。

图像融合是以图像为主要研究内容的数据融合技术，是把多个不同模式的图像传感器获得的同一场景的多幅图像或同一传感器在不同时刻获得的同一场景的多幅图像合成为一幅图像的过程。

MATLAB小波分析工具箱提供了小波分析函数，应用MATLAB进行图像融合仿真，通过突出轮廓部分和弱化细节部分进行融合，使融合后的图象具有了两幅或多幅图象的特征，更符合人或者机器的视觉特性，有利于对图像进行进一步的分析和理解，有利于图像中目标的检测和识别或跟踪。

关键词小波变换；融合规则；图像融合Image Fusion Algorithm Based on WaveletTransformAbstractIn this paper, the image fusion method based on wavelet transform, and for the wavelet decomposition of the frequency domain, respectively, discussed the principles of select high-frequency coefficients and low frequency coefficients. The high-frequency coefficients reflect the details of the image, the selection rules to determine the extent of any reservations of the fused image on the original image detail. The choice of high-frequency coefficients, based on the principle of maximum absolute value, and consistency verification results. The low-frequency coefficients reflect the contours of the image, the choice of the low frequency coefficients determine the visual effect of the fused image, play a very important role in the fused image quality is good or bad.MATLAB Wavelet Analysis Toolbox provides a wavelet analysis function using MATLAB image fusion simulation, highlight the contours of parts and the weakening of the details section, fusion, image fusion has the characteristics of two or multiple images, more people or the visual characteristics of the machine, the image for further analysis and understanding, detection and identification or tracking of the target image.Keywords Wavelet transform; Fusion rule; Image Fusion目录摘要 (I)Abstract (II)第1章绪论 (5)1.1 课题研究的意义及背景 (5)1.1.1 本课题的研究背景 (5)1.1.2 课题研究的实际意义 (7)1.2 本文的主要内容 (7)第2章小波变换理论基础 (10)2.1小波变换 (10)2.1.1小波变换的思想 (10)2.1.2 连续小波基函数 (11)2.1.3 连续小波变换 (12)2.1.4 离散小波变换 (13)2.1.5 二进小波变换 (13)2.2多分辨率分析与离散小波快速算法 (14)2.2.1 多分辨率分析 (14)2.2.2尺度函数和尺度空间 (15)2.2.3 离散小波变换的快速算法 (15)2.3几种常用的小波 (16)2.4 Mallat的快速算法 (18)2.5 本章小结 (19)第3章基于小波变换的图像融合方法研究 (20)3.1图像融合概述 (20)3.2图像融合的方法 (20)3.3基于小波变换的图像融合算法原理 (21)3.3.1 基于小波分解的融合算法流程 (21)3.3.2 高频系数融合规则 (22)3.3.3低频系数融合规则 (23)3.4 本章小结 (25)第4章实验结果及分析 (26)4.1 实验的仿真 (26)4.2 实验的结果分析 (27)4.3 本章小结 (28)致谢 (30)参考文献 (31)附录A (32)附录B (34)第1章绪论1.1课题研究的意义及背景1.1.1本课题的研究背景图像融合是以图像为主要研究内容的数据融合技术，是把多个不同模式的图像传感器获得的同一场景的多幅图像或同一传感器在不同时刻获得的同一场景的多幅图像合成为一幅图像的过程。

基于小波变换的图像融合算法研究与实现

基于小波变换的图像融合算法研究与实现图像融合是将多个图像信息融合为一幅新的图像，以提供更全面、准确和可靠的图像信息。

随着数字图像处理技术的快速发展，图像融合算法在图像处理领域得到了广泛应用。

小波变换作为一种多尺度分析方法，对图像融合具有很好的效果，因此，在本文中我将重点研究并实现基于小波变换的图像融合算法。

首先，介绍一下小波变换的基本原理。

小波变换利用一组基函数在不同尺度上分解信号，并通过分析不同尺度的细节和整体特征来描述信号的特征。

小波变换的核心是选择合适的小波基函数，常用的小波基函数有Haar小波、Daubechies小波、Symlet小波等。

这些小波基函数具有良好的局部化特性，适合用于图像融合任务。

基于小波变换的图像融合算法主要包括以下几个步骤：预处理、分解、融合和重构。

首先，在预处理阶段，对原始图像进行预处理操作，如色彩空间转换、直方图均衡化等。

这些预处理操作旨在消除图像的亮度、对比度等差异，使得图像更加具有可融合性。

接着，在分解阶段，利用小波变换将原始图像分解成多个尺度的低频和高频子图像。

这些子图像包含了图像的不同尺度信息，其中低频子图像表示图像的大致趋势，高频子图像表示图像的细节信息。

然后，在融合阶段，将分解得到的低频和高频子图像进行融合。

对于低频子图像，可以采用像素均值、像素最大值等方法进行融合。

对于高频子图像，可以采用像素加权平均、像素最大值等方法进行融合。

融合操作旨在保留各个子图像的有用信息，同时抑制噪声和冗余信息。

最后，在重构阶段，利用融合得到的低频和高频子图像进行重构，得到最终的融合图像。

重构过程是利用小波逆变换将分解得到的子图像合并成原始图像的过程。

具体而言，可以采用线性加权、阈值加权等方法进行重构。

基于小波变换的图像融合算法有许多优点。

首先，小波变换具有多尺度分析能力，可以提取图像的不同尺度信息。

其次，小波变换对图像的局部特征有很好的表达能力，可以有效揭示图像的细节信息。

基于小波变换的多模态图像融合算法的改进

综合评价上表现出更好的融合效果。
关键词：像融合；小波变换；多分辨率金字塔；小波系数；变换域图
中图法分类号：Ｐ９．Ｔ３１１４
文献标识码：Ａ
文章编号：００７２２１）９４５ —３１０．０４（００１—２００
ｇｒｈｏｉｍ，ｔｅｐｏｏｅｓｏｌｏｔａｅｔｒｅｕｔ．ｔｈｒｐｓｄｆｉｎａｇｒｈｈｓｂｔｓｌｕｉｍａｅｒｓ
Ｋｅｒｓｉｇｓｏ；ｗａｅｅａｓｏ；ｍｕｔ－ｓｌｔｎｐｒｍｉ；ｗａｅｅｏｆｃｅｔ；ｔｎｆｒｄｍａｎｙｗｏｄ：ｍａｅｆｉｎｕｖｌｔｒｆｒｔｎｍｌｒｏｕｉｙａｄｉｅｏｖｌｔｅｉｎｓｒｓｏｍｏｉｃｉａ
４５２１，１２０００１（９３பைடு நூலகம்）
计算机工程与设计ＣｍｕｒｎｉｅｎｄｅｉｏｐｔＥｇｅｒｇｎＤｓｎｅｎｉａｇ
・多媒体技术・
基于小波变换的多模态图像融合算法的改进
戴峻峰
（阴工学院计算机工程学院，江苏淮安２３０）淮２０３
Ａｂｔａｔｎｏｄｒｏｆｒｈｒｎａｃｅｆｅｔｆｄｃｎｇｓｏ．ｔｅｆｓｏｇｒｈｂｓｄｏｖｌｔｒｎｆｒｔｎｉｓｕｉｄｓｒｃ：Ｉｒｅｔｅｈｎｅｔｃｍｅｉｉｅｉｅｆｉｎｈｉｎａｏｔｍａｅｎｗａｅｅａｓｏｍａｉｔｄｅｔｕｅｈｅｏｍａｕｕｌｉｔｏｓ

基于加权小波变换及MTFC的多光谱影像融合方法

ｐｌａｃｅ，ｅｓｐｅｃｉａｌｌｙｗｈｅｎｓｐｅｃｔｒａｌｐｒｏｐｅｒｔｉｅｓｏｆｔｈｅｓａｍｅｓｕｒｆａｃｅｆｅａｔｕｒｅｓａｒｅｄｉｆｆｅｒｅｎｔｂｅｔｗｅｅｎｎａｔｕｒａｌｃｏｌｏｒｉｍａｇｅｓａｎｄｐａｎｃｈｒｏｍａｔｉｃｏｎｅｓ．Ｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍ，ｗｅｐｒｏｐｏｓｅａｎｅｗｍｅｔｈｏｄｂｙｉｎｔｒｏｄｕｃｉｎｇａｍｕｌｔｉ — ｐｈａｓｅａｐｐｒｏａｃｈｔｏｒｅｓｔｒａｉｎｓｐａｔｉａｌｄｉｓｔｏｒｔｉｏｎｃａｕｓｅｄｂｙｔｈｅｓｈｉｔｆｖａｒｉａｎｔａｔｔｒｉｂｕｔｉｏｎｏｆｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍａｔｉｏｎ．Ｗｉｔｈ
第３６卷第２期
２０１５年４月 Βιβλιοθήκη 航天返回与遥感
ＳＰＡＣＥＣＲＡＦＴＲＥＣ０ＶＥＲＹ＆ＲＥＭＯＴＥＳＥＮＳＩＮＧ６９
基于加权小波变换及ＭＴＦＣ的多光谱影像
融合方法
张炳先何红艳李岩
（北京空间机电研究所，北京１０００９４）
ｍｅｔｈｏｄｓｈａｖｅｂｅｅｎｄｅｖｅｌｏｐｅｄ，ａｍｏｎｇｗｈｉｃｈＩＨＳｔｅｃｈｎｉｑｕｅｉｓｔｈｅｍｏｓｔｗｉｄｅｌｙｕｓｅｄ，ａｎｄｔｈｅｗａｖｅｌｅｔｆｕｓｉｏｎｉｓ

基于小波变换的图像融合论文

第
小波变换是相对较新的概念，20世纪80年代前后才提出小波变换的概念。那么究竟什么是变换以及为什么要进行变换？小波变换与傅立叶变换相比又存在哪些优缺点呢？通过本章对小波变换理论的学习，一切问题都会迎刃而解。
2.1
小波变换是在傅立叶变换的基础上发展起来的，它优于傅立叶分析的地方是它在空域和时域都是局部化的，其局部化格式随频率自动变换，在高频处取窄的时（空）间窗，在低频处取宽的时（空）窗，适合处理非平稳信号，在图像处理、模式识别、机器人视觉、量子力学等领域得到广泛应用。目前小波理论应用已成为数学、计算机和物理等学科共同研究的一个热点。
Key words:wavelet transform;imagedata fusion; multi-resolution analysis
第
近年来，图像融合技术在图像处理领域中得到了广泛的重视和应用。通过图像融合技术，可以实现将多幅来自同一场景的图像，利用其冗余信息，融合成一幅比原来任何一幅都易于为人们所理解的图像，同时可供人们进行进一步的观察和处理。经图像融合技术处理后的图像，能最大限度地利用各个信道源的信息，提高分辨率、灵敏度、作用距离、测量精度和抗干扰能力等，弥补单一信道源的不足。高效的图融合方法能有效地提高图像信息的利用率、系统对目标检测识别的可靠性及系统的自动化程度，消除多传感器信息之间可能存在的冗余和矛盾，以增强影像中信息透明度，改善解译的精度、可靠性以及使用率，以形成对目标的清晰、完整、准确的信息描述。
(a)尺度变化的影响 (b)基本分析单元的特点
论文中，第一章为引言部分，说明本研究的目的、意义和小波应用于图像融合的优势所在。
第二章重点介绍了小波变换的基础理论知识，并与傅立叶变换进行比较，突出说明了小波变换的优点。
第三章介绍了图像的小波变换，重点叙述了二维离散小波变换的原理，以及图像小波变换的算法基础。

基于多尺度小波变换的图像融合技术研究

基于多尺度小波变换的图像融合技术研究图像融合是一种将多幅图像融合为一幅新的图像的技术。

多尺度小波变换是一种有效的图像处理方式，利用多尺度分析的思想，将图像分解成多个尺度和多个方向上的分量。

因此，基于多尺度小波变换的图像融合技术在图像处理领域得到了广泛应用。

首先，简要介绍现有的图像融合技术。

目前图像融合技术主要可分为基于像素级、基于区域级和基于小波变换的融合技术。

其中，像素级融合技术是将每个像素进行加权平均，然后生成融合图像。

基于区域级的融合技术是将图像分成多个区域，然后采用不同的方法进行融合。

而基于小波变换的融合技术则是将图像进行小波变换，然后利用小波系数进行融合。

虽然每种方法都有各自的优缺点，但基于小波变换的图像融合技术具有更好的品质和更高的效率。

多尺度小波变换是一种将图像分解成多个尺度和多个方向上的分量的有效方法。

它利用小波核函数来对不同频率和不同方向的信号进行分解，产生一组小波系数。

在小波变换中，图像可以分解成多个分量，其中每个分量的特点不同，如细节、纹理、轮廓等。

利用小波变换的分析和合成过程，可以进行图像的降噪、去除伪影等。

基于多尺度小波变换的图像融合技术，主要分为两种方法：基于像素级的融合方法和基于小波系数的融合方法。

在基于像素级的融合方法中，每个像素都被分解成多个尺度和方向上的小波系数，然后再将这些小波系数进行加权平均，得到最终的融合图像。

而在基于小波系数的融合方法中，图像首先进行小波分解，然后利用小波系数的响应和能量特征来进行区域选择和区域合成。

最后，总结了基于多尺度小波变换的图像融合技术的优点和应用场景。

该技术可以对不同分辨率和不同方向上的图像进行分离和分析，从而提高了图像的质量和效果。

此外，利用多尺度小波变换的能力，还可以进行图像增强、图像配准、图像恢复等诸多应用。

总之，将多尺度小波变换技术应用于图像融合技术可以得到更好的结果。

尽管目前的算法存在着局限性和问题，但我们可以通过不断的研究和优化来提高图像质量和效果。

基于小波变换的图像融合的研究

基于小波变换的图像融合的研究摘要：数据融合是80年代初形成与发展起来的一种信息综合处理技术。

图像融合是数据融合在数字图像处理方面的一个应用。

近年来，图像融合已成为图像理解和计算机视觉领域一项重要的新技术。

把小波变换技术应用到图像融合技术之中时该研究领域的重大突破。

本文首先论述图像融合技术和小波变换的相关理论，在将小波变换运用于图像融合，并设计了相关实验验证基于小波变换的图像融合，对融合结果进行质量评价。

关键词：小波变换，图像融合1.引言图像融合是信息融合技术的一个重要的分支，它是以图像为主要研究内容的数据融合技术。

从八十年代初到至今，图像融合技术已引发了世界范围的广泛研究兴趣和热潮，它在自动目标识别、计算机视觉、遥感机器人、医学图像处理以及军事应用等众多领域有着广泛的应用前景。

图像融合的方法与具体的处理对象类型、处理等级有关。

如：可分为像素级融合、特征级融合和决策级融合三大类。

主要基于各类图像的解析度不同、表现的目的不同，相应的处理方法也要根据具体情况而定。

随着小波变换技术的出现，在众多融合方法中，基于小波变换的融合方法具有良好的效果，现已成为当今研究的一个热点。

同时产生的一个亟待解决的问题是如何准确地对融合效果进行评价。

评价的方法有很多，评价的标准也是因人、因物而不同，这就需要进行综合研究比较，得出不同融合方法的适应性和优异性。

2．图像融合技术简介图像融合以图像作为研究和处理对象，是一种综合多个源图像信息的先进图像处理技术，它把对同一目标或场景的多重源图像根据需要通过一定的融合规则融合成为一幅新图像，在这一幅新图像中能反映多重源图像中的信息，以达到对目标或场景的综合描述，以及精确的分析判断，有效地提高图像信息的利用率、系统对目标探测识别的可靠性及系统的自动化程度。

其目的是集成多个源图像中的冗余信息和互补信息，以强化图像中的可读信息、增加图像理解的可靠性等。

相对于源图像，通过图像融合得到的融合图像可信度增加、模糊性减少、可读性增强、分类性能改善等，并且融合图像具有良好的鲁棒性，所以通过图像融合技术将会获得更精确的结果，也将会使系统更实用。

基于小波变换的图像多尺度数据融合

= R2 f < H U) P/< I - H y - U) dHdU 其中表示分解尺度 / 表示三个不同的高频分量. 如果 f < I y) 表示一幅图像则它的小波变换以离散形式实现. 设尺度函数 {< I) 和小波函数 !< I) 对应的滤波器系数矩阵分别
为 H 和 G 原始图像 f < I y) 记为 C0 则二维小波分解算法可描述为
< 1) 单调性 . -V~2 CV~1 CV~0 CV~-1 CV~-2 C - ; < 2) 平移不变性 . f V~0-f < -n1 -n2) V~0; < 3) 二进伸缩相关性. f V~ -f < 2 2 ) V~0;
< 4) 渐近完全性. V~ = { < 0 0) } U V~ = L2< R2) .
Y son 等 6]证实了主分量替换方法失去其原有的物理特性; 另外 Shef f igara 5]还采用高通滤波方法进行融合采用高通滤波器对高空间分辨率影像进行滤波将其结果依像元加到
多光谱影像数据中(低分辨率D 此方法虽然有效地保留了原多光谱信息却在对高分辨率波段影像滤波时滤掉了许多纹
关键词多分辨分析小波变换数据融合图像处理中图法分类号 TP317. 4
Multiscale Image Data Fusion with Wavelet Transf orm
Zhao Ruizhen Xu Long Song Guoxiang
( SC oo of SCzenCe Xzdzan unzuelszty Xz/ an 71OO71D

基于小波变换低频域增强的多聚焦图像融合的开题报告

基于小波变换低频域增强的多聚焦图像融合的开题报告一、研究背景多聚焦图像融合是一种重要的图像处理技术。

它通过融合不同焦距下拍摄的多幅图像，得到单张清晰的图像。

这种技术在无人驾驶、工业检测、医学成像等领域都有广泛的应用。

多聚焦图像融合的方法有很多种，其中一种常用的方法是基于小波变换的方法。

小波变换是提取图像局部特征的有效方法，可以得到图像不同的频域信息。

通过将多张图像分别进行小波变换，并分别提取不同频率下的信息，可以得到每张图像的低频和高频信息。

低频信息包含图像的大部分结构信息，而高频信息包含图像的细节信息。

通过将不同焦距下图像的低频信息进行融合，可以得到清晰的图像。

二、研究内容本文研究的内容是基于小波变换低频域增强的多聚焦图像融合。

具体研究内容包括以下几个方面：1. 多聚焦图像的获取本研究将从虚拟图像数据集中获取多聚焦图像，包括近距离和远距离两组图像，每组图像包含5张图像。

2. 小波变换及低频信息提取将每张图像进行小波变换，提取出每张图像的低频信息。

选择小波基函数，确定小波变换的层数和分解方式等参数。

3. 低频域增强通过增强低频信息，使图像具有更好的清晰度和对比度。

本研究将采用直方图均衡化、对比度增强等方法进行实验对比分析。

4. 图像融合将不同焦距下图像的低频信息进行融合，通过不同的融合方法，得到不同的融合图像。

本研究将采用融合权重法、小波域融合等方法进行实验对比分析。

5. 模型评价对比分析不同融合方法的效果，通过PSNR、SSIM等指标对模型进行评价。

三、研究意义多聚焦图像融合技术是一种实际应用广泛的图像处理技术，其在无人驾驶、工业检测、医学成像等领域都有重要的应用。

本研究所提出的基于小波变换低频域增强的多聚焦图像融合的方法，可以提高融合图像的清晰度和对比度。

该方法在图像处理领域有广泛的应用前景。

四、研究方法和步骤1. 多聚焦图像的获取2. 小波变换及低频信息提取3. 低频域增强4. 图像融合5. 模型评价五、预期结果本研究所提出的基于小波变换低频域增强的多聚焦图像融合的方法，可以提高融合图像的清晰度和对比度。

基于小波理论的IKONOS卫星全色影像和多光谱影像的融合

3 具有 k 次正则性的M 进制小波的构造
多进制小波的构造较二进制小波的构造复
杂, 在二进制情况下, 在知道了尺度函数以后就可以推导出相应的小波函数, 而在多进制情况下, 则有M 21 个小波函数, 它们不能由尺度函数惟一确定[10～ 16 ]。文献 [ 12 ]给出了具有 k 次正则性的M 进制小波尺度函数滤波器的构建公式 (1) , 它非常类似于 I. D aubech ies 推导的二进制小波尺度函数滤波器的构建公式
收稿日期: 2000208217; 修回日期: 2000211218 作者简介: 王智均 (19682) , 男, 江苏南通人, 武汉大学测绘遥感信息工程国家重点实验室, 博士, 主要从事遥感影像处理,G IS, 摄影测量, 小波分析等方面的研究和应用。
第 2 期王智均等: 基于小波理论的 IKONO S 卫星全色影像和多光谱影像的融合
目前比较一致的看法是把影像融合分为 3 个层次: 像素级、特征级和决策级[2]。像素级的影像融合是指对传感器的原始影像及预处理的各阶段上所产生的信息分别进行融合处理。许多研究工作表明把高分辨率影像和多光谱影像融合起来, 可以把 2 种不同传感器的优点结合在一起, 提高了对影像的信息分析和提取能力。高分辨率影像和多光谱影像融合算法的研究可以分为 3 个阶段: 简单的影像融合方法、塔式算法和小波融合算法。基于小波的影像融合方法可以在提高分辨率的同时最大程度地保持光谱相似性。
113
1 引言
随着多种遥感卫星的发射成功, 从不同遥感平台获得的不同空间分辨率、光谱分辨率和时间分辨率的遥感影像形成了多级多分辨率的影像金字塔序列, 给遥感用户提供了从粗到精、从多光谱到细分光谱段的对地观测数据源。每一种传感器所获得的遥感数据都只反映了事物的一个或几个方面的特性, 而遥感影像的信息提取及应用通常要求把多传感器、多时相、多光谱和多分辨率影像结合起来分析, 以克服遥感影像解译过程中信息量不足的问题, 遥感影像融合方法富集不同遥感器影像信息最有价值的技术手段[ 1 ]。