留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于PCA 变换与小波变换的遥感图像融合方法

伊力哈木·亚尔买买提 谢丽蓉 孔军

伊力哈木·亚尔买买提, 谢丽蓉, 孔军. 基于PCA 变换与小波变换的遥感图像融合方法[J]. 红外与激光工程, 2014, 43(7): 2335-2340.
引用本文: 伊力哈木·亚尔买买提, 谢丽蓉, 孔军. 基于PCA 变换与小波变换的遥感图像融合方法[J]. 红外与激光工程, 2014, 43(7): 2335-2340.
Yilihamu·Yaermaimaiti, Xie Lirong, Kong Jun. Remote sensing image fusion based on PCA transform and wavelet transform[J]. Infrared and Laser Engineering, 2014, 43(7): 2335-2340.
Citation: Yilihamu·Yaermaimaiti, Xie Lirong, Kong Jun. Remote sensing image fusion based on PCA transform and wavelet transform[J]. Infrared and Laser Engineering, 2014, 43(7): 2335-2340.

基于PCA 变换与小波变换的遥感图像融合方法

基金项目: 

国家自然科学基金(51264036,61362030);新疆大学校院联合资助项目(XY110133); 新疆维吾尔自治区自然 科学基金(201233146-6);新疆维吾尔自治区高校科研计划重点项目(XJEDU2012I08)

详细信息
  • 中图分类号: TN911.73

Remote sensing image fusion based on PCA transform and wavelet transform

  • 摘要: 针对传统的PCA变换遥感图像融合技术会丢失部分多光谱遥感图像的光谱信息变量,从而造成光谱图像信息域的失真问题提出了基于PCA变换与小波变换的遥感图像融合方法。该方法首先提出多光谱遥感图像信息域的各波段相关矩阵的特征值变量和特征向量域,对多光谱图像进行主分量的变换,继而求得各主分量变量;然后将非灰度图像与多光谱图像信息域的首个主分量做直方图信息变量的匹配,利用小波变换融合方法来实现多光谱图像信息变量的首个主分量与非灰度图像的融合,其多光谱图像的首个主分量被融合结果来替代; 最后对多光谱图像信息变量的3个主分量变量作逆主分量变换得到所需的最终融合图像信息域。仿真实验表明,该方法使最终融合的图像在多光谱信息的保持与空间细节信息的增强两个方面的综合性能均得到提高。
  • [1] Liu Bin, Peng Jiaxiong. Multi-spectral image fusion method based on two channels non-separable wavelets [J]. Sciences, 2008,51(12): 2022-2032.
    [2]
    [3]
    [4] Petrusca L, Cattin P, De Luca V, et al. Hybrid ultrasound/ magnetic resonance simultaneous acquisition and image fusion for motion monitoring in the upper abdomen [J]. Investigative Radiology, 2013, 48(5): 333-340.
    [5]
    [6] Nasrin Amini, E Fatemizadeh, Hamid Behnam. MRI-PET image fusion based on NSCT transform using local energy and local variance fusion rules [J]. Journal of Medical Engineering Technology, 2014, 38(4): 211-219.
    [7]
    [8] Wang R, Du L. Infrared and visible image fusion based on random projection and sparse representation [J]. International Journal of Remote Sensing, 2014, 35(5): 1640-1652.
    [9]
    [10] Wu Yu, Yu Tao, Xie Donghai, et al. Automatic registration of high resolution and multi-spectral temote sensing images [J]. Infrared and Laser Engineering, 2012, 41(12): 3285-3290. (in Chinese) 吴俣, 余涛, 谢东海, 等. 高分辨率多光谱遥感图像的自动配准[J]. 红外与激光工程, 2012, 41(12): 3285-3290.
    [11] Ma Donghui, Xue Qun, Chai Qi, et al. Infrared and visible images fusion method based on image information [J]. Infrared and Laser Engineering, 2011, 40(6): 1168-1171. (in Chinese) 马东辉, 薛群, 柴奇, 等. 基于图像信息的红外与可见光图像融合方法研究[J]. 红外与激光工程, 2011, 40(6): 1168-1171.
    [12]
    [13] Liu Chunxiang, Guo Yongfei, Li Ning, et al. Composition and compression of satellitemulti-channel remote sensingimages [J]. Optics and Precision Engineering, 2013, 21(2): 445-453. (in Chinese) 刘春香, 郭永飞, 李宁, 等. 星上多通道遥感图像的实时合成压缩[J]. 光学精密工程, 2013, 21(2): 445-453.
    [14]
    [15]
    [16] Liu Zunyang, Wang Zirong, Yu Dabin, et a1. Extracting dominant colors of imitative pattern painting with CIEDF_2000 and pyramid FCM [J]. Infrared and Laser Engineering, 2010, 39(2): 367-371. (in Chinese) 刘尊洋, 王自荣, 余大斌, 等. 塔形FCM 和CIEDF_2000 的仿造迷彩主色提取方法[J]. 红外与激光工程, 2010, 39(2): 367-371.
    [17] Zhao Peng, Ni Guoqiang. Image fusion based on multi-scale soft morphological filters [J]. Journal of Optoelectronics Laser, 2009, 20(9): 1243-1247. (in Chinese) 赵鹏, 倪国强. 基于多尺度柔性形态学滤波器的图像融合 [J]. 光电子激光, 2009, 20(9): 1243-1247.
    [18]
    [19] Wu Y H, Yan D, Ma M X, et al. An improved compressive sensing image fusion algorithm based on NSCT transform[J]. Applied Mechanics and Materials, 2014, 433: 306-309.
  • [1] 孙俊灵, 马鹏阁, 庞栋栋, 金秋春, 陈新永, 单涛, 陶然.  机载平台动态杂波背景下多脉冲激光距离扩展目标回波滤波算法研究 . 红外与激光工程, 2021, 50(3): 20200449-1-20200449-7. doi: 10.3788/IRLA20200449
    [2] 由四海, 王宏力, 冯磊, 何贻洋, 许强.  基于小波变换与压缩感知的脉冲星TOA估计 . 红外与激光工程, 2020, 49(2): 0226001-0226001. doi: 10.3788/IRLA202049.0226001
    [3] 吕珊珊, 耿湘宜, 张法业, 肖航, 姜明顺, 曹玉强, 隋青美.  基于菱形光纤布拉格光栅传感阵列的声发射定位技术 . 红外与激光工程, 2017, 46(12): 1222005-1222005(5). doi: 10.3788/IRLA201746.1222005
    [4] 孙俊灵, 马鹏阁, 孙光民, 羊毅.  低信噪比下机载多脉冲激光雷达姿态不敏感性特征提取研究 . 红外与激光工程, 2017, 46(3): 330002-0330002(9). doi: 10.3788/IRLA201746.0330002
    [5] 郭全民, 董亮, 李代娣.  红外与可见光图像融合的汽车抗晕光系统 . 红外与激光工程, 2017, 46(8): 818005-0818005(6). doi: 10.3788/IRLA201746.0818005
    [6] 杜颖财, 宋路, 万秋华, 杨守旺.  小波变换实现的光电编码器精确实时测速 . 红外与激光工程, 2017, 46(5): 517005-0517005(6). doi: 10.3788/IRLA201746.0517005
    [7] 申艳, 解颐, 娄淑琴.  结合全变差和小波变换的PCF光特性评估方法 . 红外与激光工程, 2016, 45(7): 722001-0722001(6). doi: 10.3788/IRLA201645.0722001
    [8] 叶松, 甘永莹, 熊伟, 张文涛, 汪杰君, 王新强.  采用小波变换的空间外差光谱仪基线校正 . 红外与激光工程, 2016, 45(11): 1117009-1117009(5). doi: 10.3788/IRLA201645.1117009
    [9] 纪强, 石文轩, 田茂, 常帅.  基于KL与小波联合变换的多光谱图像压缩 . 红外与激光工程, 2016, 45(2): 228004-0228004(7). doi: 10.3788/IRLA201645.0228004
    [10] 梁栋, 杨勤英, 黄文江, 彭代亮, 赵晋陵, 黄林生, 张东彦, 宋晓宇.  基于小波变换与支持向量机回归的冬小麦叶面积指数估算 . 红外与激光工程, 2015, 44(1): 335-340.
    [11] 徐冬, 孙蕾, 罗建书.  结合NAPCA 和复小波变换的高光谱遥感图像去噪 . 红外与激光工程, 2015, 44(1): 327-334.
    [12] 崔珊珊, 李琦.  基于小波变换的太赫兹数字全息再现像去噪研究 . 红外与激光工程, 2015, 44(6): 1836-1840.
    [13] 顾有林, 叶应流, 曹光华, 胡以华, 朱峰.  EMD和小波变换在低可探测目标检测中的应用 . 红外与激光工程, 2015, 44(11): 3494-3499.
    [14] 王莎, 陈跃庭, 冯华君, 徐之海, 李奇.  基于TwIST-TV 约束的图像去模糊方法 . 红外与激光工程, 2014, 43(6): 2000-2006.
    [15] 童涛, 杨桄, 孟强强, 孙嘉成, 叶怡, 陈晓榕.  基于边缘特征的多传感器图像融合算法 . 红外与激光工程, 2014, 43(1): 311-317.
    [16] 关丛荣, 金伟其, 王吉晖.  小波变换在显微热图像位移估计中的应用 . 红外与激光工程, 2014, 43(8): 2780-2785.
    [17] 杨扬, 戴明, 周箩鱼.  基于均匀离散曲波变换的多聚焦图像融合 . 红外与激光工程, 2013, 42(9): 2547-2552.
    [18] 卢瑞涛, 黄新生, 徐婉莹.  基于Contourlet变换和Facet模型的红外小目标检测方法 . 红外与激光工程, 2013, 42(8): 2281-2287.
    [19] 陈勇, 贺明玲, 陈丽娟, 刘焕淋.  改进的小波变换用于处理FBG信号 . 红外与激光工程, 2013, 42(10): 2784-2789.
    [20] 基于小波变换直方图规定的非均匀性校正算法 . 红外与激光工程, 2013, 42(12): 3481-3485.
  • 加载中
计量
  • 文章访问数:  453
  • HTML全文浏览量:  83
  • PDF下载量:  238
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-11-10
  • 修回日期:  2013-12-25
  • 刊出日期:  2014-07-25

基于PCA 变换与小波变换的遥感图像融合方法

基金项目:

国家自然科学基金(51264036,61362030);新疆大学校院联合资助项目(XY110133); 新疆维吾尔自治区自然 科学基金(201233146-6);新疆维吾尔自治区高校科研计划重点项目(XJEDU2012I08)

  • 中图分类号: TN911.73

摘要: 针对传统的PCA变换遥感图像融合技术会丢失部分多光谱遥感图像的光谱信息变量,从而造成光谱图像信息域的失真问题提出了基于PCA变换与小波变换的遥感图像融合方法。该方法首先提出多光谱遥感图像信息域的各波段相关矩阵的特征值变量和特征向量域,对多光谱图像进行主分量的变换,继而求得各主分量变量;然后将非灰度图像与多光谱图像信息域的首个主分量做直方图信息变量的匹配,利用小波变换融合方法来实现多光谱图像信息变量的首个主分量与非灰度图像的融合,其多光谱图像的首个主分量被融合结果来替代; 最后对多光谱图像信息变量的3个主分量变量作逆主分量变换得到所需的最终融合图像信息域。仿真实验表明,该方法使最终融合的图像在多光谱信息的保持与空间细节信息的增强两个方面的综合性能均得到提高。

English Abstract

参考文献 (19)

目录

    /

    返回文章
    返回