CN1303571C - 基于模糊积分的图像优化融合方法 - Google Patents

基于模糊积分的图像优化融合方法 Download PDF

Info

Publication number
CN1303571C
CN1303571C CNB2004100542073A CN200410054207A CN1303571C CN 1303571 C CN1303571 C CN 1303571C CN B2004100542073 A CNB2004100542073 A CN B2004100542073A CN 200410054207 A CN200410054207 A CN 200410054207A CN 1303571 C CN1303571 C CN 1303571C
Authority
CN
China
Prior art keywords
image
coefficient
wavelet
resolution
fusion
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CNB2004100542073A
Other languages
English (en)
Other versions
CN1588448A (zh
Inventor
敬忠良
肖刚
李建勋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CNB2004100542073A priority Critical patent/CN1303571C/zh
Publication of CN1588448A publication Critical patent/CN1588448A/zh
Application granted granted Critical
Publication of CN1303571C publication Critical patent/CN1303571C/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

一种基于模糊积分的图像优化融合方法,在IHS空间,将多光谱影像的强度分量经小波多层分解得到的低频基带系数,与高分辨率影像经对应多层小波分解得到的低频基带系数,利用模糊积分综合光谱信息和空间分辨率这两个单因素指标,进行迭代求优的像素级融合,同时对经小波分解后的高频子带系数进行高频细节特征融合,然后将融合处理后得到的高频子带系数、低频系数进行对应的小波逆变换,得到新的强度分量I’,再进行IHS逆变换后得到优化融合后的影像。本发明结合了IHS融合方法和小波融合方法的特点,使融合后的影像既达到最高的空间分辨率,又最大限度的降低了彩色的畸变,有效的改善了融合影像的光谱信息指标。

Description

基于模糊积分的图像优化融合方法
技术领域
本发明涉及一种基于模糊积分的图像优化融合方法,结合小波多分辨率分解具有的时频特性和IHS(强度Intensity-色度Hue-饱和度Saturation)变换融合方法,利用模糊积分综合光谱信息和空间分辨率两个单因素指标,进行遥感影像优化融合,有效改善融合影像的光谱信息指标,在各类军用或民用的遥感信息处理系统、数字城市空间信息系统等领域中均可有广泛的应用。
背景技术
有效的融合高分辨率全色遥感影像和低分辨率的多光谱遥感影像,均衡融合结果中空间细节信息和光谱信息两项特征指标,是多源遥感影像融合技术的研究热点之一。
Haydn等人首先提出的IHS融合方法是经典的实用算法之一。该方法将多光谱影像通过IHS变换从RGB(红Red-绿Green-蓝Blue)空间变换到IHS空间,同时将高分辨率的全色影像进行线性拉伸,使得拉伸后影像的均值和方差与IHS空间中的强度分量I0一致。然后,将拉伸后的高分辨率影像作为新的强度分量,与H和S分量一起按照IHS逆变换公式变换到原RGB空间。这样,使得融合后的影像既具有较高的空间分辨率,同时又保持了原低分辨率多光谱影像相同的色度和饱和度。然而,这种经典的IHS融合方法存在着一定的缺陷,由于不同波段的数据具有不同的光谱特性曲线,IHS融合方法扭曲了原始的光谱特性,产生了不同程度的光谱退化现象,因而不利于影像的正确识别和分类,特别是对于不同时相的多传感器遥感影像的影像融合,IHS融合方法无法使得融合影像的色调和原多光谱影像的色调保持一致,这种因为光谱信息的变换,导致了影像不能用于地物识别和反演。Te-Ming等人在IHS空间进行了数学上的证明,论述了IHS融合方法的缺陷,得到的结论是:尽管用于替换强度分量I0的高分辨率的全色影像Inew在替换前进行了影像的统计特性的匹配,但是匹配误差δ=Inew-I导致了彩色的畸变。
当利用模糊测度表征对评价指标的重视程度后,引入模糊积分则可以有效的综合光谱信息指标和空间分辨率两个单因素指标,在IHS融合方法和小波变换融合的基础上,模糊积分可以方便快捷的进行图像优化融合。目前尚未见有关将模糊积分用于图像优化融合的方法报道。
发明内容
本发明的目的在于针对上述IHS变换融合技术的不足,提供一种遥感影像优化融合方法,引入模糊积分作为综合光谱信息指标和空间分辨率两个单因素指标,既能提高融合后影像的空间分辨率,又能降低彩色的畸变,有效改善融合影像的光谱信息指标。
为实现这样的目的,本发明在IHS空间,将多光谱影像的强度分量经小波多层分解得到的低频基带系数,与高分辨率影像经对应多层小波分解得到的低频基带系数进行以空间细节信息和光谱信息两项特征指标的模糊优化融合,对经小波分解后的高频子带系数进行高频细节特征融合,然后将小波系数进行对应的小波逆变换,得到新的强度分量,再进行IHS逆变换后得到融合后的影像。
由于小波变换在变换域具有良好的分频特性,小波系数的统计特性反映了遥感影像的边缘、线和区域等显著特征,本发明将小波变换的多分辨分析(Multi-resolution Analysis)方法引入高分辨率全色遥感影像和低分辨率的多光谱遥感影像的融合中。
本发明的方法包括如下具体步骤:
1.对待融合的多光谱影像B进行IHS变换,分别得到在IHS彩色空间的色度H、饱和度S和强度分量I,然后对I分量进行小波分解,得到低频基带系数和高频子带系数。
2.对待融合高分辨率影像A进行线性拉伸和直方图匹配,然后进行小波分解,得到低频基带系数和高频子带系数,分解层数与多光谱影像I分量的小波分解层数相同。
3.确定一个3×3的空域窗口,分别求得影像B的I分量的高频子带系数和影像A的高频子带系数的均值μ(2j)和方差D(2j)。
4.在对应分辨率层上,高频子带系数按照(1)式进行高频细节特征融合:
W k ( 2 j , x , y ) = W A k ( 2 j , x , y ) D A k > D B k W B k ( 2 j , x , y ) D A k < D B k
(1)式中,2j为小波分解层数,Wk(2j,x,y)为2j分辨率下得到的高频子带系数融合结果;WA k(2j,x,y)和WB k(2j,x,y)分别为影像A及影像B中I分量所对应的高频子带系数,DA k、DB k分别是以(x,y)为中心像元的3×3的空域窗口的方差。
5.对影像B的I分量和影像A的低频基带系数,按照(2)式进行优化的像素级融合,权系数的kopt按照光谱信息评价指标和空间分辨率评价指标进行求优,求优采用模糊积分综合光谱信息指标和空间分辨率两项单因素指标:
A(2j,x,y)=k1AA(2j,x,y)+k2AB(2j,x,y)              (2)
(2)式中,AA(2j,x,y)、AB(2j,x,y)分别为影像A及影像B中I分量对应的2j分辨率的低频基带数据,k1、k2为需要求优的权系数。按照归一化要求,k1、k2满足k1+k2=1,即求优权系数的确定可以归结为满足目标函数的kopt=k1=1-k2。优化融合迭代过程中的权系数满足0≤kopt≤1;
按照式S=sup{min[e(u1),g(E1)],min[e(u2),g(E2)]}计算寻优评价指标确定的模糊积分值Ei,求得SKopk=max(Ei),SKopt对应的迭代值kopt即为最优权系数,式中,g(E1)、g(E2)为对光谱信息指标和空间分辨率两项指标的重视度,e(u1)为光谱信息指标,e(u2)为空间分辨率指标,根据e(u1),e(u2)的大小,u1和u2是对光谱信息和空间分辨率从小到大的排序位置。
6.对得到的像素级融合的小波系数的低频基带系数,以及各高频小波系数进行对应的小波逆变换,得到新的强度分量I’;
7.将I’、H、S进行IHS逆变换,得到融合后的影像C。
本发明引入模糊积分对光谱信息指标和空间分辨率两项单因素指标进行象素级优化融合时:
定义:设X为论域,e是从X到[0,1]的可测函数,A∈P(X),则e关于模糊测度g在集A上的模糊积分S定义如(3)式:
Figure C20041005420700071
Figure C20041005420700072
(3)
其中,Eα={x|e(x)≥α},P(x)是X的幂集。g(·)是模糊测度。利用模糊积分进行优化融合时,模糊测度可以表征重视程度。
利用模糊积分进行优化融合的关键是模糊测度g(x)的定义,可以采用gλ测度。在论域X={x1,x2,x3,…xn}(因素集)为有限的情况下,在λ=0时,只要确定了单点集(单因素集){xi}的gλ模糊测度gλ(xi),则可以得到任意AX的测度。对于多光谱、高分辨图像融合问题,论域X={x1,x2},评价因素有两个,x1=光谱信息,x2=空间分辨率。重视度为gλ(x1),gλ(x2),简单表示为g1、g2,则g({x1})=g1,g({x2})=g2,g({x1,x2})=g({x1})+g({x2})=1。e(x)表示光谱信息评价指标和分辨率评价指标。论域X相应的评价指标为e(x1)=ESP,e(x2)=EHF简单表示为e1,e2。按照模糊积分的定义,可以得到(4)式:
Figure C20041005420700074
= max &alpha; &Element; [ 0,1 ] [ min ( &alpha; , g ( E &alpha; ) ) ] - - - ( 4 )
根据e1,e2的大小,对x1和x2排序,按从小到大的排序位置记为u1和u2。此时α的取值有两种情况:当α=e(u1)时,Eα=E1={u1,u2},则g(E1)=1;当α=e(u2)时,Eε=E2={u2},则g(E2)=g({u2})。
按照模糊积分的定义,可表示为(5)式:
S=sup{min[e(u1),g(E1)],min[e(u2),g(E2)]}       (5)
当e1>e2时,x1和x2从小到大的排序位置为u1=x2,u2=x1,相应地e(u1)=e2,g(E1)=1,e(u2)=e1,g(E2)=g({u2})=g({x1})=g1,则模糊积分S=max(e1·g1,e2)。
当e1<e2时,x1和x2从小到大的排序位置为u1=x1,u2=x2,相应地e(u1)=e1,g(E1)=1,e(u2)=e2,g(E2)=g({u2})=g({x2})=g2,则模糊积分S=max(e1,e2·g2)。
当e1=e2时,S可取上面两个值中的任意一个。
在优化融合迭代求取权系数kopt的过程中,利用(5)式求得关于光谱信息指标和空间分辨率两项单因素指标的模糊积分值,再求得SKopt=max(Et),SKopt对应的迭代值kopt即为最优权系数,这样即可方便快捷的确定最优权值kopt
本发明结合了IHS融合方法和小波融合方法的特点,通过分别对小波基带系数的权系数进行了像素级求优融合和高频子带系数的高频细节特征融合,其有益效果体现为:使得融合后的影像既达到最高的空间分辨率,同时又最大限度的降低了彩色的畸变。均衡了融合结果中空间细节信息和光谱信息两项特征指标,有效的改善了融合影像的光谱信息指标。同时,引入了模糊积分方法,有效的综合光谱信息和空间分辨率两个单因素指标,方便快捷的确定像素级求优融合过程中的最优权值,其结果更加符合人对融合影像的主观感受。
附图说明
图1为本发明—基于模糊积分的图像优化融合方法流程图。
图2为本发明遥感影像融合结果和IHS、WT(小波)方法的对比。其中,图2(a)为多光谱遥感影像(256×256);图2(b)为高空间分辨率全色遥感影像(256×256);图2(c)为IHS方法的融合结果,图2(d)为WT方法的融合结果,图2(e)本发明的优化融合结果。
图3为本发明的性能评价指标曲线。
具体实施方式
为了更好地理解本发明的技术方案,以下结合附图作进一步描述。
本发明方法的详细流程如图1所示。本发明选取一多光谱遥感影像B(256×256)如图2(a),高分辨率全色遥感影像A(256×256)如图2(b),A、B严格配准后,实施如下步骤:
1、对多光谱影像B进行IHS变换,分别得到在IHS彩色空间的色度H、饱和度S和强度分量I,然后对I分量进行3层小波分解,得到低频基带系数和高频子带系数。
2、对高分辨率影像A进行线性拉伸和直方图匹配,然后进行小波分解,分解层数也为3层,得到低频基带系数和高频子带系数。
3、确定一个3×3的空域窗口,分别求得影像B中I分量的高频子带系数和影像A的高频小波系数的均值μ(2j)和方差D(2j)。
4、按照下式确定对应分辨率层的高频子带系数,进行高频细节特征融合,可以得到对应分辨率层的高频细节特征融合结果。
W k ( 2 j , x , y ) = W A k ( 2 j , x , y ) D A k > D B k W B k ( 2 j , x , y ) D A k < D B k
5、引入模糊积分对光谱信息指标和空间分辨率两项单因素指标进行综合的方法如下:按照下式
S=sup{min[e(u1),g(E1)],min[e(u2),g(E2)]}
计算寻优评价指标确定的模糊积分值Ei,求得SKopt=max(Ei),SKopt对应的迭代值kopt即为最优权系数。
其中,融合图像寻优评价指标分别定义如下:
(i)光谱信息评价指标
利用融合图像与多光谱图像的相关程度来定义光谱信息的评价指标。
令f为融合后图像,f0为多光谱图像。定义光谱信息评价ESP指标如(6)式。
E SP = Corr ( f , f 0 ) = &Sigma; j = 1 npix ( f j - f &OverBar; ) ( f 0 j - f &OverBar; 0 ) &Sigma; j = 1 npix ( f j - f &OverBar; ) 2 &Sigma; j = 0 npix ( f 0 j - f &OverBar; 0 ) 2 - - - ( 6 )
其中,npix是图像中像素点的个数,f和f0表示图像的灰度均值,相关程度Corr(f,f0)反映了影像f和f0的相似程度。
(ii)空间分辨率评价指标
利用融合图像对应的灰度的高频分量与高分辨率图像高频分量之间的相关程度来定义空间分辨率指标。令fH为高分辨率全色影像。首先将融合的图像转化为灰度图像,然后进行小波分解,得到融合图像的四个分量(fa,fh,fv,fd),分别表示融合图像的低频分量、水平方向的高频分量、垂直方向的高频分量和对角线方向的高频分量。同样也可以得到高分辨率图像小波分解的四个分量(fH a,fH h,fH v,fH d)。定义空间分辨率评价指标如(7)式所示:
E HF = Corr ( f h , f H h ) + Corr ( f v , f H v ) + Corr ( f d , f H d ) 3 - - - ( 7 )
为了验证基于模糊积分计算得到的最优权值的有效性,可以按照(8)式进行像素级融合,权系数kopt按照(8)式所示的目标函数求优:
F(kopt)=Max{ESP(kopt),EHF(kopt)}
Domaib:g(kopt):0≤kopt≤1   kopt∈D∈R            (8)
依据融合图像的寻优评价指标修正融合准则中的基带数据融合的权系数k1、k2。随着高分辨率影像低频基带系数的融合权值k1的增加,空间分辨率评价指标EHF随之增大,光谱信息评价指标ESP减小。因此,(6)式中的kopt是使得目标函数达到最大的权系数,即使得ESP、EHF达到同时最大的权系数。kopt取值范围为[0,1]。
根据权系数kopt的求优目标函数,在取值区间[0,1]内,随着权系数融合权值k1的增加,按(9)式得到空间分辨率评价指标EHF和光谱信息评价指标ESP的曲线,曲线交点即为最优权系数的kopt,如图3所示。
E ( i ) = E ( i ) - MinE ( i ) Max [ E ( i ) - Min ( E ( i ) ] - - - ( 9 )
(9)式中,E(i)为评价指标,i为权系数k1寻优的次数。图3所示为在[0,1]以寻优步长0.001得到的ESP、EHF曲线。可以看到,归一化后的ESP、EHF都呈非线性。满足求优目标函数的权系数kopt是ESP和EHF的交点kopt=0.424(收敛精度δ≤0.001)。
如图3所示,显然,引入模糊积分对光谱信息指标和空间分辨率两项单因素指标进行综合评价,计算求得SKopt(SKopt=max(Ei))所对应的迭代值kopt即为按(9)式求得的EHF、ESP的曲线交点,即为最优权系数的kopt
6、对得到的像素级优化融合的小波系数的低频基带系数,以及进行的特征级融合的各高频小波系数进行对应的小波逆变换,得到新的强度分量I’。
7、将I’、H、S进行IHS逆变换,得到融合后的影像C。
融合结果比较:图2(c)为IHS方法的融合结果(256×256),图2(d)为WT方法的融合结果(256×256),图2(e)本发明的优化融合结果(256×256)。
在寻优过程中,根据(4)~(5)式定义的两项特征评价指标,代入(5)式,按照每100个步长计算模糊积分S的值,结果如表1所示(重视度g1=0.7,g2=0.3)。同时将模糊积分值S绘制如图3所示。显然,模糊积分值S呈现一个非线性的变化过程,具有一个峰值点,这个峰值点即是将两项特征指标归一化后得到的指标曲线的交点—最优权系数kopt,其使得融合后的影像既达到最高的空间分辨率,同时又最大限度的降低了彩色的畸变。
            表1融合结果的评价指标比较
  求优步长  光谱信息ESP 空间分辨率EHF  模糊积分S
  K1  0.99323 0.8869   0.70000
  K2  0.99159 0.90191   0.69077
  K3  0.98812 0.91298   0.67116
  K4  0.98237 0.92122   0.6998
  K5  0.97384 0.92718   0.82135
  K6  0.96197 0.93127   0.74776
  K7  0.94615 0.93389   0.62011
  K8  0.92579 0.93535   0.45575
  K9  0.90032 0.93594   0.30000
  K10  0.86932 0.93589   0.29965
表1所示的光谱信息和空间分辨率信息这两种因素评价值的变化符合人的主观评价感受。换言之,采用基于模糊积分图像优化融合方法得到的图2(e)符合人的主观评价习惯和主观感受。
    表2不同融合方法结果的评价指标比较
  波段   相关系数   平均梯度
  IHS   R   0.5624   10.6146
  G   0.4644   11.3663
  B   0.5060   9.5875
  WT   R   0.6457   11.0157
  G   0.5512   13.5479
  B   0.5714   10.5447
  本文方法   R   0.8488   10.5142
  G   0.7691   11.1475
  B   0.8247   9.2163
表2为采用相关系数和平均梯度两项指标定量对不同融合方法得到的融合影像进行评价的结果。从表2可知,采用本发明基于模糊积分的图像优化融合方法可以使得融合后影像在影像的光谱信息保留性能得到很大提高,但在空间分辨率的提高方面略差于小波变换(WT)方法,而与IHS方法获得的融合影像的空间分辨率指标基本相同。因此,本发明方法是在达到最高的空间分辨率的同时,又最大限度的降低了彩色的畸变。

Claims (1)

1、一种基于模糊积分的图像优化融合方法,其特征在于包括如下具体步骤:
(1)对待融合的多光谱影像B进行IHS变换,分别得到在IHS彩色空间的色度H、饱和度S和强度分量I,然后对I分量进行小波分解,得到低频基带系数和高频子带系数;
(2)对待融合高分辨率影像A进行线性拉伸和直方图匹配,然后进行小波分解,得到低频基带系数和高频子带系数,分解层数与多光谱影像I分量的小波分解层数相同;
(3)确定一个3×3的空域窗口,分别求得影像B的I分量的高频子带系数和影像A的高频子带系数的均值μ(2j)和方差D(2j);
(4)对应分辨率层的高频子带系数按照下式
W k ( 2 j , x , y ) = W A k ( 2 j , x , y ) D A k > D B k W B k ( 2 j , x , y ) D A k < D B k
进行高频细节特征融合,式中,2j为小波分解层数,Wk(2j,x,y)为2j分辨率下得到的高频子带系数融合结果,WA k(2j,x,y)和WB k(2j,x,y)分别为影像A及影像B中I分量的对应高频子带系数,DA k、DB k分别是以(x,y)为中心像元的3×3的空域窗口的方差;
(5)对影像B的I分量和影像A的低频基带系数,按照下式
         A(2j,x,y)=k1AA(2j,x,y)+k2AB(2j,x,y)
进行优化的像素级融合,式中,AA(2j,x,y)、AB(2j,x,y)分别为影像A及影像B中I分量对应的2j分辨率的低频基带数据,k1、k2为需要求优的权系数,k1+k2=1;引入模糊积分对光谱信息指标和空间分辨率两项单因素指标进行综合,优化融合迭代过程中的权系数kopt=k1=1-k2,满足0≤kopt≤1;按照式S=sup{min[e(u1),g(E1)],min[e(u2),g(E2)]}计算寻优评价指标确定的模糊积分值Ei,求得SKopt=max(Ei),SKopt对应的迭代值kopt即为最优权系数,式中,g(E1)、g(E2)为对光谱信息指标和空间分辨率两项指标的重视度,e(u1)为光谱信息指标,e(u2)为空间分辨率指标,根据e(u1),e(u2)的大小,u1和u2是对光谱信息和空间分辨率从小到大的排序位置;
(6)对得到的像素级优化融合的小波系数的低频基带系数,以及进行的特征级融合的各高频小波系数进行对应的小波逆变换,得到新的强度分量I’;
(7)将I’、H、S进行IHS逆变换,得到融合后的影像C。
CNB2004100542073A 2004-09-02 2004-09-02 基于模糊积分的图像优化融合方法 Expired - Fee Related CN1303571C (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CNB2004100542073A CN1303571C (zh) 2004-09-02 2004-09-02 基于模糊积分的图像优化融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CNB2004100542073A CN1303571C (zh) 2004-09-02 2004-09-02 基于模糊积分的图像优化融合方法

Publications (2)

Publication Number Publication Date
CN1588448A CN1588448A (zh) 2005-03-02
CN1303571C true CN1303571C (zh) 2007-03-07

Family

ID=34603078

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB2004100542073A Expired - Fee Related CN1303571C (zh) 2004-09-02 2004-09-02 基于模糊积分的图像优化融合方法

Country Status (1)

Country Link
CN (1) CN1303571C (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102034229A (zh) * 2010-11-03 2011-04-27 中国科学院长春光学精密机械与物理研究所 高分辨多光谱空间光学遥感器的实时图像融合方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IES20060559A2 (en) * 2006-02-14 2006-11-01 Fotonation Vision Ltd Automatic detection and correction of non-red flash eye defects
CN101334892B (zh) * 2008-06-24 2010-06-02 裴继红 一种图像像素级融合处理方法及装置
CN101329765B (zh) * 2008-07-31 2010-04-14 上海交通大学 多摄像机目标匹配特征融合方法
CN102203826B (zh) * 2008-12-25 2015-02-18 梅迪奇视觉成像解决方案有限公司 医学图像的降噪
CN101540045B (zh) * 2009-03-25 2011-07-27 湖南大学 基于同步正交匹配追踪的多源图像融合方法
CN101799915B (zh) * 2010-02-26 2011-12-07 中北大学 一种双色中波红外图像融合方法
CN105469364B (zh) * 2015-10-26 2018-09-28 厦门理工学院 一种联合小波变换域和空间域的医学图像融合方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003091941A1 (en) * 2002-04-24 2003-11-06 Hrl Laboratories High-performance object detection with image data fusion
CN1472544A (zh) * 2003-06-05 2004-02-04 上海交通大学 遥感影像像素与特征联合最优融合方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003091941A1 (en) * 2002-04-24 2003-11-06 Hrl Laboratories High-performance object detection with image data fusion
CN1472544A (zh) * 2003-06-05 2004-02-04 上海交通大学 遥感影像像素与特征联合最优融合方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102034229A (zh) * 2010-11-03 2011-04-27 中国科学院长春光学精密机械与物理研究所 高分辨多光谱空间光学遥感器的实时图像融合方法

Also Published As

Publication number Publication date
CN1588448A (zh) 2005-03-02

Similar Documents

Publication Publication Date Title
CN101697231B (zh) 一种基于小波变换和多通道pcnn的高光谱图像融合方法
CN100550978C (zh) 一种保持边缘的自适应图像滤波方法
CN102063713B (zh) 基于邻域归一化梯度和邻域标准差的多聚焦图像融合方法
CN103093433B (zh) 基于区域划分和字典学习的自然图像去噪方法
CN1303432C (zh) 遥感影像像素与特征联合最优融合方法
CN103345732B (zh) 基于Contourlet变换的PCNN图像增强算法及装置
CN108389163A (zh) 一种基于暗光彩色图像的自适应增强方法
CN102186069B (zh) 一种保持量测性能的遥感影像数据压缩方法
CN1897634A (zh) 一种基于超复数奇异值分解的图像质量评估方法
CN1932882A (zh) 基于目标检测的红外与可见光序列图像特征级融合方法
Kumar et al. Improved image denoising technique using neighboring wavelet coefficients of optimal wavelet with adaptive thresholding
CN106709891A (zh) 基于小波变换与自适应变换结合的图像处理方法
CN104182939B (zh) 一种医疗影像图像细节增强方法
CN111612695B (zh) 一种低分辨率人脸图像超分辨重建方法
CN1303571C (zh) 基于模糊积分的图像优化融合方法
CN111080568A (zh) 一种基于Tetrolet变换的近红外与彩色可见光图像融合算法
CN104376565A (zh) 基于离散余弦变换和稀疏表示的无参考图像质量评价方法
CN104881847A (zh) 一种基于小波分析和伪彩色处理的比赛视频图像增强方法
Liu et al. An effective wavelet-based scheme for multi-focus image fusion
CN1921562A (zh) 基于变换域数学形态学的图像降噪方法
CN103903228A (zh) 一种基于hwd变换的非局部图像去噪方法
CN1489111A (zh) 基于局部统计特性和彩色空间变换的遥感影像融合方法
CN1917577A (zh) 一种图像组合降噪方法
Li et al. A SAR image compression algorithm based on Mallat tower-type wavelet decomposition
CN1920881A (zh) 一种Contourlet变换域的图像降噪方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20070307

Termination date: 20091009