基于双树复小波的遥感图像融合.pdfVIP

叠感应用 遥感信息 基于双树复小波的遥感图像融合 于浩①，张晓萍②，杨勤科②，崔健③，李锐② ① 新疆维吾尔 自治区地质矿产勘查开发局 信息中心 ，乌鲁木齐 830000； ② 西北农林科技大学 中国科学院水土保持研究所，陕西杨凌 712100；③新疆国土资源局土地勘查规划院，乌鲁木齐 830003； 摘要：介绍了DTCWT(双树复小波变换)的基本原理，与传统小波变换相 比，DTCWT具有 良好的平移不变性 和方向选择性，能够提高小波分解和重构的精度 ，更好地保持边缘、纹理等细节。在传统小波图像融合 的基础上， 提 出了三种基于DTCWT的遥感 图像融合算法：基于 IHS变换和DTCWT融合法、模值加权融合法和模值局部 方差融合法。对 “北京一号”小卫星数据进行融合实验，结果表 明，三种融合算法不仅有效地增强了融合 图像的空 间细节表现能力，而且很好地保 留了多光谱 图像 的光谱信息。 关键词：全色图像；多光谱 图像；离散小波变换；双树复小波变换；遥感图像融合 中图分类号 ：TP751 文献标识码 ：A 文章编号 ：1000—3177(2008)99—0045～05 该算法是两棵平行的离散小波树 (TreeA，TreeB) 1 引 言 实现实部和虚部的运算 ，即 遥感图像融合是将不同平台上的传感器获取的 (t)一 ()+ (￡) (1) 不同空间与不 同光谱分辨率图像按特定的算法进行 其 中， ()， (￡)均为实数值小波 ，一维双树 处理 ，产生新 图像 同时具有原来 图像的多光谱特性 复小波变换如 图1所示 ： 以及高空间分辨率，来满足不 同的应用需求口]。 DwT(离散小波变换)的多分辨率特性使其在遥感 图像融合 中广泛应用，基本思想是先对 图像进行二 维小波分解 ，然后在小波域不 同尺度上通过 比较优 化各 图像 的细节信息进行融合 ，最后对融合后 的小 波系数进行反变换得到融合图像。这一理论基础是 将输入图像分解为高频和低频部分，再经过二抽样 即得到小波分解系数。但是 DWT的二抽样过程引 图 1 一维双树复小波变换 起了较大混叠 ，带来畸变 ，严重影响小波系数表征原 图中TreeA的叠加滤波器组表示复数小波变 信号特征的能力[2]。而 DTCWT(双树复小波变换) 换的实部 ，TreeB的叠加滤波器组表示复数小波变 不仅保持了传统小波变换 良好的时频局部化分析能 换的虚部，+2表示隔点取样。其 中，实数滤波器 力 ，还显著改善 DWT 的平移敏感性和具有 良好的 h。()，h ()和 g。()，g()分别代表两个共轭正 方 向分析能力 ，能够反映图像在不 同分辨率上沿多 交滤波器对。滤波器对 h。()，h ()对应 的实数值 个方向的变化 ，更好地描述图像的纹理特征。因此 ， 尺度函数 (￡)和小波 函数 (￡)定 义为 ： 本文在传统小波图像融合 的基础上 ，尝试将 DTC— wT引入到遥感 图像融合 中，以期得到比传统实小 ()一√2 ：h。() (2t一)