基于UDWT的高性能多光谱遥感图像融合算法.pdfVIP

·40 · 遥 　测 　遥 　控 　　　　　　　　　　　　　2004 年 11 月 基于 UDWT 的高性能多光谱遥感图像融合算法 杨　志　毛士艺　陈　炜 (北京航空航天大学电子信息工程学院 　北京 　100083) ( ) 文 　摘 　无抽取离散小波变换 UDWT 具有移不变性的优良性质 ,它在遥感多光谱图像增强以及双通道图像融合应 用中获得了很好的效果。文中研究一种基于 UDWT 的适用于多光谱图像的融合算法 ,该算法利用 UDWT 的多尺度表示 方法和文献[4 ]算法最佳保留光谱信息的特点 ,融合结果同时精确保留了多光谱图像的光谱信息和高频细节特征 ,为目 标的检测、定位、识别等图像的进一步处理提供很好的特征信息。 主题词 　图像融合 　多分辨率分析 　小波变换 　无抽取离散小波变换 引 　言 在遥感图像应用中 ,多光谱图像往往比单一的宽带图像包含更多信息 ,它可以针对感兴趣的各个目标 特征选择一系列最佳的窄带图像 ,通过融合得到高质量的图像 ,为遥感图像的人工判读或目标的检测、定 位、识别等处理提供更加丰富、精确的信息。这是单一的宽带图像所不能满足的。美国空军就使用多光谱 信号检测目标的存在[5 ] 。 近年来 ,出现了各种各样的像素级图像融合算法 ,研究比较多的有两大类 :一类是各种线性或非线性 ( ) ( ) [6 ] 投影的方法 ,如 ,主成分分析 Principal Component Analysis 、投影追逐法 Projection Pursuit 、最优投影映射 ( ) [7 ] ( ) [8 ] Optimal Projection Maps 、自组织映射 Self - Orgnizing Maps 等 ;另一类是基于各种多分辨率表示的图 像融合技术。后者又分为三个子类 , ①Gaussian 多分辨率金字塔类 ,包括 Laplacian 金字塔[9 ] ,对比度金字 ( ) [10 ,11 ] [12 ] ( ) [13 ] ( ) [1 ] 塔 RoLP 和梯度金字塔 。②标准的离散小波变换 DWT 。③无抽取离散小波变换 UDWT , ( ) 文献[2 ]称之为离散小波帧 DWF 。 由于小波变换类似人工视觉系统在多尺度或者多通道上处理图像特征的特点,并且 UDWT 具有对图 像特征的移不变性 ,文献[14 ,1 ,2 ,3 ]的研究表明 ,现有融合算法中 ,基于 UDWT 的算法具有最好的性能。 文献[4 ]研究了一种最佳保留光谱信息的融合算法 ,该算法性能优于其它的各种投影变换方法 ,融合 结果纹理丰富 ,但是其空间细节特征比较弱 ,边缘强度不够明显。针对多光谱图像的特点 ,本文研究了一 种基于 UDWT 的适用于多光谱图像的融合算法 ,该算法很好地保留了多光谱图像的光谱信息 , 同时又具 有很好的空间细节表现能力 ,得到了纹理清晰、边缘增强的融合图像。 1 　融合算法研究 多光谱图像的每个谱段都包含特定的光谱信息和空间细节信息 ,经小波分解后 ,光谱信息集中在低频 系数上 ,细节特征分布在各尺度和方向的高频系数上。由于绝对值大的高频系数反映了图像强的空间细 节 ,可以选择绝对值大的系数作为融合后的高频系数。对于低频系数的融合 ,需要最大限度地保留各谱段 上的频谱信息。最简单的方法是在所有频带上直接取平均值 ,但这会削弱比较强的频谱信息。文献[12 ] 研究了基于系数邻域的显著性加权不同频带上系数的融合方案 ,文献[5 ]研究了基于系数的视觉重要性加 权系数的融合方案。我们在研究中发现 ,在多光谱图像差别比较大的情况下 ,这两种方法融合图像中的目 标或者其它物体边缘上会出现块状的痕迹。文献[4 ]研究的算法首先计算多光谱图像的光谱信息 ,然后得 到很好保留了光谱信息的灰度图像。针对多光谱图像小波多尺度表示的特点 ,可以将文献[4