基于协同经验小波变换的遥感图像融合 笔记

基于协同经验小波变换的遥感图像融合

原文：http://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDTEMP&filename=JLGY201904035&uid=WEEvREcwSlJHSldRa1FhdXNXaEd2OS9RSVRzUjh3RDdlVytKSUVpM1dtbz0
摘要
对多源图像进行主成分分析获得共像，对共像的强度分量做经验小波变换获得滤波器组，利用这组滤波器对多光谱图像的强度分量和全色图像进行多尺度表示，最后逆变换得到融合图像。

0 引言
1.遥感图像融合目的：生成高空间和高光谱分辨率的融合图像。
2.分类：
空间域：成分替代法。
变换域：基于图像的多尺度表示，小波变换。
3.经验小波变换：根据图像自身频谱特性自适应构造滤波器组。
4.用共像解决协同性问题。

1 经验小波变换
思想：在小波变换的框架下，根据信号的傅里叶特性，对信号的频谱自适应的划分，构造相应的滤波器组。

2 图像融合算法
用共像方法解决多光谱图像和全色图像因为成像频段不一致的问题。
2.1 协同经验小波分解
获得共像，分解共像得到滤波器组。
2.1.1 获得共像
1.待融合图像构造数据矩阵。
2.计算数据矩阵的协方差矩阵。
3.确定加权系数。
4.得到共像。
2.1.2 获得滤波器组
1.对共像进行IHS变换得到I分量。
2.由共像I分量得到滤波器组。
3.用滤波器组对MS图像的I分量和PAN图进行多尺度表示。
2.2 算法框架

2.3 融合规则
不同分量用不容的融合规则。
2.3.1 低频分量的融合规则
低频图像的融合规则直接影响图像的光谱信息。本文提出基于边缘算子的融合规则。
2.3.2 高频分量的融合规则
高频分量的融合直接影响图像的细节信息。本文使用局部能量的融合规则。

3 实验结果
QuickBird 5组图像的3个波段进行融合。PAN图分辨率0.6m，MS图分辨率2.4m。
3.1 客观评价指标
RMSE，RASE，SAM，ERGAS，PSNR，SSIM，Qave。
3.2 实验结果
3.2.1 融合结果详细分析
1.空间细节分析。
2.光谱细节分析。
3.2.2 数据融合结果分析
选取三组图像进行主观和客观分析。