基于改进NSST-PCNN的光学与SAR图像融合去云方法

摘要：

由于光学遥感穿透性差,光学图像常受到云层等天气因素干扰而影响其遥感应用.现有基于多时相或单幅图像修复的方法受地物变化及缺乏先验信息的影响,难以恢复云下真实地物信息.利用SAR图像不受云层、光照等因素干扰的特点,提出一种与SAR图像融合的光学图像去云方法.首先利用分形网络演化算法(FNEA)结合形状及光谱特性对云区进行检测,接着采用非下采样剪切波变换(NSST)对光学与SAR图像进行分解,最后对分解后系数结合云区检测结果进行融合,其中低频信息基于改进加权能量和进行融合,高频则结合方向信息熵及脉冲耦合神经网络(PCNN)模型进行融合.以高分一号、二号光学和高分三号SAR图像数据进行实验.结果 表明,该方法相较其他5种算法在云区与参考图像有更高的相似性,可以更好地保持纹理及细节特征,在有效解决云层遮挡问题的同时实现图像增强,有利于后续图像分类、目标识别以及图像判别等遥感应用.

关键词：图像去云;图像融合;SAR;非下采样剪切波变换;脉冲耦合神经网络

所属期刊栏目：36

分类号：TP751(遥感技术)

资助基金：国家重点研发计划;国防科工局十三五民用航天技术预先研究项目

在线出版日期：2022-01-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：810-819