非下采样 Contourlet 变换与脉冲耦合神经网络相结合的 SAR 与多光谱图像融合
由于获取地物波谱信息的波段范围及成像方式的不同,SAR与多光谱图像所得到的信息有很大差异,而且SAR图像会受到严重的相干斑噪声干扰,因此SAR与多光谱图像的融合很难获得满意的效果.考虑到非下采样Contourlet变换(NSCT)相比于其他多尺度几何分析方法的优势,提出了一种NSCT与脉冲耦合神经网络(PCNN)相结合的SAR与多光谱图像融合方法.源图像首先经过NSCT分解获得不同尺度多个方向下的分解系数,将分解系数的高斯拉普拉斯算子能量作为脉冲耦合神经网络模型的输入,具有较大点火频率的系数将被选择作为融合图像的系数,最后经过NSCT重构得到最终的融合图像.实验结果表明,这种算法无论在主观视觉还是在客观指标上都要优于之前的许多算法.
图像融合、非下采样Contourlet变换、脉冲耦合神经网络、SAR图像、多光谱图像
17
TP391(计算技术、计算机技术)
国家自然科学基金项目60802084;教育部博士点新教师基金项目200806991084;西北工业大学基础研究基金项目JC20110266
2012-12-17(万方平台首次上网日期,不代表论文的发表时间)
共8页
1188-1195