基于NSCT和遗传算法的SAR图像和多光谱图像融合.pdfVIP

基于NSCT和遗传算法的SAR图像和多光谱图像融合.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2012年4月 西 北 工 业 大 学 学 报 Apr. 2012 第3O卷第2期 JournalofNorthwesternPolytechnicalUniversity V01.30 No.2 基于NSCT和遗传算法的 SAR图像和多光谱图像融合 时丕丽,郭 雷,李晖晖,杨 宁,陈智慧 (西北工业大学 自动化学院,陕西 西安 710072) 摘 要:合成孔径雷达(SAR)图像与多光谱图像成像机理和光谱特性差异较大,一般的融合方法很难 取得满意的融合结果。文章提出了一种基于NonsuosampledContourlettransform(NSCT)和遗传算法的 融合算法,首先将经过预处理后的图像进行NSCT分解,低频系数采取区域信息熵最大的准则融合; 高频子带计算区域相关性,对相关性在不同阈值范围内的系数进行融合,闽值的选取采用遗传算法进 行搜索;最后对融合系数进行NSCT逆变换,得到融合结果。仿真结果表明该算法显著优于基于像素 点和基于区域的融合方法。 关 键 词:图像融合,NSCT,遗传算法,SAR图像,多光谱图像 中图分类号:TP391 文献标识码:A 文章编号:1000-2758(2012)02-0274-05 将 SAR图像与多光谱图像融合,可以充分利用 分解 ,随后用非下采样方向滤波器组对各尺度图像 其互补信息,获得地物的多层次特性,进一步揭示地 进行方向分解。NSCT分解结构框架图如图1所示。 物的本质特征。但是SAR图像与多光谱图像成像 NSCT采用非下采样塔形滤波器组 (Nonsubsampled 机理和光谱特性有很大差异,难以采用传统融合方 PyramidFilterBank,NSPFB)和非下采样方向滤波器 法进行融合 ¨j。基于非下采样的Contourlet变换 组 (NonsubsampledDirectionalFilterBank,NSDFB), (NSCT) 的图像融合方法被广泛应用,其中基于 由于在分解和重构过程中不进行下采样,以实现并 区域的融合方法取得了较好的结果 J,但是区域匹 生成一种灵活的多尺度、多方 向且平移不变的图像 配阈值的确定一般都是根据经验而定 .4,遗传算 分解方法。 法是一种模仿生物界 自然选择和遗传变异机制来求 解复杂问题的随机搜索和优化的方法,具有进化过 程的高效、并行和全局寻优等特点,据此提出了一种 NSCT域的利用遗传算法搜索阈值的融合算法。 图像 带通方向子带 1 NSCT(NonsubsampledContourlet Transform) 带通方向子带 NSCT是一种基于Contourlet[5变换的多尺度、 多方向的图像分解方法,其利用一个双滤波器组结 图1 NSCT分解结构框图 构,将多尺度分解和方向分解结合到一起。首先利 用非下采样塔形滤波器组(NSP)获取图像的多尺度 收稿 日期:2011_05 6 基金项目:国家 自然科学基金 60702063)、教育部博士点新教师基金(200806991084) 及西北工业大学基础研究基金(J资助 作者简介:时丕丽 (1987一),女,西北工业大学硕士研究生,主要从事多源图像融合的研究。 第2期 时丕丽等:基于NSCT和遗传算法的SAR图像和多光谱图像融合

文档评论(0)

yingzhiguo + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:5243141323000000

1亿VIP精品文档

相关文档