买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连民族大学

摘要：本发明公开了一种基于NSST和参数自适应PCNN的遥感图像融合方法，属于多光谱和全色遥感图像融合技术领域，包括以下步骤：自适应加权平均计算多光谱强度分量、光谱估计、NSST分解、低频系数融合、高频系数融合、对融合后的系数进行NSST逆变换、图像重构。本发明采用上述一种基于NSST和参数自适应PCNN的遥感图像融合方法，解决了融合图像空间失真和光谱失真的问题，在主观视觉效果和客观评价方面都取得较好的结果，在增强空间细节表现能力和提升空间分辨率的同时有效的保留了多光谱图像的光谱信息。

主权项：1.一种基于NSST和参数自适应PCNN的遥感图像融合方法，其特征在于，包括以下步骤：S1、自适应加权平均计算多光谱强度分量：采用基于加权拉普拉斯能量和的自适应加权平均方法，用于多光谱图像各波段融合生成强度分量I，加权拉普拉斯能量和利用水平、垂直以及主副对角线方向的八邻域内多个像素点，依据距离中心像素距离赋予恰当的权重，加权之后参与计算，加权拉普拉斯能量和作为空间域的清晰度、边缘特征信息指标，能量和较大的像素被认为是权重更大的信息，在融合过程中赋予更大的权重，根据加权拉普拉斯能量和设计自适应加权平均的系数ωi： 其中n是多光谱图像的波段，WSMLi表示多光谱图像第i个波段的加权拉普拉斯能量和；S2、光谱估计：将I作为初始α通道，根据如下公式计算前景图像F和背景图像B，F和B包含光谱信息，后续步骤是通过融合从全色图像中获得空间细节信息： 其中k是第k个颜色通道，αix和αiy值是光谱前景Fk、光谱背景Bk和α的水平和垂直导数，i表示第i个像素；S3、NSST分解：对I和全色图像分别进行NSST分解，得到相应的不同尺度和方向的子带系数,后续根据低频子带系数和各高频子带系数特点，实施不同的融合策略；S4、低频系数融合：将加权拉普能量和以及局部多向梯度结合起来的融合规则，融合规则表示如下：C＝wIM+wPP4 M和LMGI，SMLI，wI分别表示I的低频系数、局部多方向梯度值、加权的拉普拉斯能量和、融合权重，P和LMGP，SMLP，wP表示全色图像的低频系数、局部多方向梯度值、加权的拉普拉斯能量和、融合权重，C为融合结果；采用局部多向梯度和加权拉普拉斯能量和结合的自适应加权平均融合规则，对低频系数进行融合，得到低频融合系数和其中和为低频子带系数，表示I分量的第j个尺度、第n个方向高频子带系数，表示全色图像的第j个尺度、第n个方向高频子带系数；S5、高频系数融合：将参数自适应脉冲耦合神经网络PA-PCNN模型引入到图像融合过程，采用局部多方向梯度激励的参数自适应脉冲耦合神经网络作为融合规则融合高频系数，将每个高频系数的局部多方向梯度值作为PCNN的输入，PCNN模型中有5个自由参数：αf，β，VL，VE，αe，用λ＝βVL表示加权的连接强度，模型中的自由参数根据输入信息进行自适应计算，以下公式为具体计算方法： VE＝e-αf+1+6λ9 其中σS为范围[0,1]的输入图像S的标准差，S'和Smax分别表示归一化后的最大类间方差法阈值和输入图像的最大强度，当达到最大迭代次数时，迭代停止，得到I和全色图像的各个高频系数的点火次数总和和采用点火次数取大进行融合，得到高频系数的融合结果融合规则如下： 式中，a、b分别是图像的分解级数和方向数，代表像素点x,y处融合后的高频系数值，代表I中像素点x,y处的高频系数值，代表全色图像中像素点x,y处的高频系数值；S6、对融合后的系数进行NSST逆变换：将高频系数和低频系数的融合结果，进行NSST逆变换，得到变换结果Fused，作为最终参与重构的α'；S7、图像重构:根据如下公式，通过组合α'、F和B来重构得到最终的融合结果:Ii＝αiFi+1-αiBi12其中Fi是第i个像素的前景颜色，Bi是第i个像素的背景颜色，Ii第i个像素的颜色。

全文数据：

权利要求：

百度查询： 大连民族大学 一种基于NSST和参数自适应PCNN的遥感图像融合方法