10.3969/j.issn.1009-8518.2022.01.011
PCA结合非下采样Shearlet变换的遥感图像融合算法
为了提高遥感图像的融合质量(quality)及应用价值,解决融合中存在的光谱失真和空间细节损失问题,文章新提出了一种主成分变换(PCA)结合非下采样Shearlet变换(NSST)的遥感图像融合算法.首先利用PCA提取多光谱图像的第一主成分;然后引入加权最小二乘滤波通过全色图像获取空间细节信息,并将其注入第一主成分后与全色图像分别进行NSST变换;再对高频和低频系数分别采用基于相位一致性和基于局部拉普拉斯能量的规则进行融合;最后进行NSST逆变换和PCA逆变换得到融合图像.文章采用三种卫星数据进行验证,对比传统方法文章算法的融合质量明显提升,融合图像纹理清晰、色彩自然,且在多个客观评价指标上均达到较高水平.因此,文章算法对遥感图像具有较强适用性,能够在提高细节信息的同时,避免光谱失真.
图像融合;主成分分析法;非下采样剪切波变换;加权最小二乘滤波;遥感图像
43
TP751(遥感技术)
国家自然科学基金42004072
2022-03-16(万方平台首次上网日期,不代表论文的发表时间)
共12页
108-119