结合脉冲耦合神经网络的自适应全色锐化算法
针对传统全色锐化算法大多采用规则区域注入空间细节,而造成融合图像出现一定光谱失真和细节损失的问题.该文提出一种自适应脉冲耦合神经网络(PCNN)全色锐化算法,该算法利用混合蛙跳算法(SFLA)自适应优化PCNN迭代参数,使PCNN每次迭代均按照最小交叉熵原则进行非规则聚类分割,对获取的非规则区域自适应注入高分全色图像细节信息,以获得细节和光谱信息保持更好的融合图像.通过WorldView-2和高分一号高分辨率遥感数据集对比实验,结果表明,该自适应参数PCNN全色锐化算法在多个空间细节和光谱信息评价指标上均优于其他全色锐化算法.
脉冲耦合神经网络、全色锐化、混合蛙跳算法、遥感图像融合、图像分割
48
P237(摄影测量学与测绘遥感)
国家自然科学基金;中国博士后科学基金;兰州交通大学优秀平台共同资助项目
2023-05-05(万方平台首次上网日期,不代表论文的发表时间)
共10页
60-69