针对多光谱波段和全色波段影像融合存在的空间分辨率问题和光谱失真的问题,提出了一种超球面彩色空间变换(hyperspherical color space,HCS)与非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT)相结合的遥感影像融合算法。...针对多光谱波段和全色波段影像融合存在的空间分辨率问题和光谱失真的问题,提出了一种超球面彩色空间变换(hyperspherical color space,HCS)与非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT)相结合的遥感影像融合算法。首先对目标影像进行HCS变换获取I分量,然后使用NSCT分解全色波段和I分量,并将分解获得的高频子带和低频子带采用加权的局部方向熵和改进的拉普拉斯能量和的方法进行筛选,最后对筛选的图像进行NSCT和HCS逆变换,生成融合多光谱遥感影像。为了验证影像融合质量,分别采用主观评价和客观量化评价方法(均值、标准差、信息熵、平均灰度和相关性等)对融合后的图像进行了分析。通过与现有HCS方法、NSCT方法、Gram-Schmidt方法对比研究表明,该方法在光谱保持度和空间分辨率上均优于传统方法,在融合结果得到的边缘、纹理和细节方面均能够表现出更好的融合特性和视觉效果。展开更多
文摘针对多光谱波段和全色波段影像融合存在的空间分辨率问题和光谱失真的问题,提出了一种超球面彩色空间变换(hyperspherical color space,HCS)与非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT)相结合的遥感影像融合算法。首先对目标影像进行HCS变换获取I分量,然后使用NSCT分解全色波段和I分量,并将分解获得的高频子带和低频子带采用加权的局部方向熵和改进的拉普拉斯能量和的方法进行筛选,最后对筛选的图像进行NSCT和HCS逆变换,生成融合多光谱遥感影像。为了验证影像融合质量,分别采用主观评价和客观量化评价方法(均值、标准差、信息熵、平均灰度和相关性等)对融合后的图像进行了分析。通过与现有HCS方法、NSCT方法、Gram-Schmidt方法对比研究表明,该方法在光谱保持度和空间分辨率上均优于传统方法,在融合结果得到的边缘、纹理和细节方面均能够表现出更好的融合特性和视觉效果。
