一种结合低级视觉特征和PAPCNN的NSST域遥感影像融合方法
针对融合规则中活动度量构建的单一性和脉冲耦合神经网络(pulse coupled neural network,PCNN)参数设置的主观性问题,提出一种非下采样剪切波变换(non-subsampled shearlet transform,NSST)域内结合低级视觉特征和参数自适应PCNN(parameter adaptive PCNN,PAPCNN)的遥感影像融合方法.首先将全色影像和多光谱影像YUV颜色空间的亮度分量Y通过NSST分解得到高频和低频子带,其次利用基于低级视觉特征的融合规则对低频子带进行融合,结合局部相位一致性、局部突变度量和局部能量信息3个低级特征构建新的活动度量;然后采用PAPCNN模型对高频子带进行融合,将多尺度形态梯度作为模型的外部输入信号;最后依次进行NSST逆变换和YUV逆变换,得到融合影像.实验结果表明,所提方法对不同平台和不同地面特征的遥感影像都能表现出较好的效果,相较于其他11种方法,在所有评价指标上均表现优秀.所提方法能够较好地保留原始影像中的空间信息和光谱信息,可以提供优势互补的融合影像.
影像融合、遥感影像、非下采样剪切波变换、低级视觉特征、脉冲耦合神经网络
48
P237(摄影测量学与测绘遥感)
国家自然科学基金;自然资源部海洋环境探测技术与应用重点实验室开放基金
2023-07-03(万方平台首次上网日期,不代表论文的发表时间)
共10页
960-969