×
坎马尼，马德斯瓦里；文卡特斯瓦兰·纳拉辛汉

遥感图像的最优加权平均融合策略。 （英语） Zbl 1450.94007号

多维系统。信号处理。 1911-1935年第4期30号（2019年）.
摘要：图像融合在提供更好的遥感图像数据可视化方面发挥着至关重要的作用。大多数地球观测卫星都有传感器，可以提供高空间分辨率全色（PAN）图像和低分辨率多光谱（MS）图像。本文提出了一种新的融合算法，该算法将MS图像的光谱信息与同一场景的PAN图像的空间信息进行优化组合，生成一幅综合融合图像。由于融合方案的性能取决于融合规则的选择，因此该算法基于加权平均融合规则，该融合规则使用了从脑风暴优化（BSO）中获得的最佳权重通过对源图像应用Curvelet变换获得的高频和低频系数的融合算法。BSO中的目标函数是由熵最大化和均方根误差最小化这两个双重目标组成的。将融合结果与现有的融合技术，如Brovey、主成分分析、离散小波变换、非亚采样轮廓波变换和灰度色调饱和度进行了比较。从实验结果和分析来看，与传统算法相比，本文提出的融合算法在主观和客观测度方面都具有更好的融合性能。作为一个优点，该融合方案保留了MS图像的光谱信息，提高了空间分辨率和边缘信息。

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）

关键词：

头脑风暴优化；曲波变换；熵；图像融合；多光谱图像；PAN图像；加权平均融合规则；均方根误差

软件：

SIRF公司
PDF格式BibTeX公司 XML格式引用
\textit{M.Kanmani}和\textit{V.Narasimhan}，多维系统。信号处理。1911-1935年第4期30号（2019年；Zbl 1450.94007）
全文： 内政部

参考文献：

[1] Alparone，L.等人（2007年）。泛锐化算法的比较：2006年GRS-S数据融合竞赛的结果。IEEE地球科学与遥感汇刊，45（10），3012-3021。
[2] Ballester，C.、Caselles，V.、Igual，L.、Verdera，J.和Rougé，B.（2006年）。P+XS图像融合的变量模型。国际计算机视觉杂志，69（1），43-58。
[3] Bavirisetti，D.P.和Dhuli，R.（2016）。基于各向异性扩散和Karhunen-Loeve变换的红外和可见光传感器图像融合。IEEE传感器杂志，16（1），203-209。
[4] 查韦斯（Chavez，P.S.，Jr.）、塞德斯（Sides，S.C.）和安德森（Anderson，J.A.）（1991年）。三种不同方法合并多分辨率和多光谱数据的比较——Landsat TM和SPOT全色。摄影测量工程与遥感，57（3），295-303。
[5] Chen，C.、Li，Y.、Liu，W.和Huang，J.（2015）。SIRF：统一框架中的同步卫星图像注册和融合。IEEE图像处理汇刊，24（11），4213-4224·Zbl 1408.94084号
[6] Chen，S.、Zhang，R.、Su，H.、Tian，J.和Xia，J.（2010）。基于a trous小波和EMD分解的广义IHS变换用于SAR和多光谱图像融合。IEEE传感器期刊，10（3），737-745。
[7] Choi，M.（2006）。一种新的强度-色调-饱和度融合方法，用于具有折衷参数的图像融合。IEEE地球科学与遥感汇刊，44（6），1672-1682。
[8] Choi，M.、Kim，R.Y.、Nam，M.-R.和Kim，H.O.（2005）。使用曲线段变换融合多光谱和全色卫星图像。IEEE地球科学与遥感快报，2（2），136-140。
[9] El-Mezouar，M.C.、Taleb，N.、Kpalma，K.和Ronsin，J.（2011年）。IKONOS图像中基于IHS的颜色失真减少和植被增强融合。IEEE地球科学与遥感汇刊，49（5），1590-1602。
[10] Fonseca，L.、Namikawa，L.，Castejon，E.、Carvalho，L..、Pinho，C.和Pagamisse，A.（1992年）。遥感应用的图像融合（第153-178页）。
[11] Garzelli，Andrea，Nencini，F.和Capobianco，L.（2008）。超高分辨率多光谱图像的最佳MMSE平移锐化。IEEE地球科学与遥感汇刊，46（1），228-236。
[12] Gross，H.和Schott，J.（1998）。光谱混合分析和图像融合技术在图像锐化中的应用。环境遥感，63（2），85-94。
[13] Huang，W.，Xiao，L.，Wei，Z.，Liu，H.，&Tang，S.（2015）。一种新的基于深度神经网络的泛锐化方法。IEEE地球科学与遥感快报，12（5），1037-1041。
[14] Joshi，M.V.、Bruzzone，L.和Chaudhuri，S.（2006年）。一种基于模型的遥感图像多分辨率融合方法。IEEE地球科学与遥感汇刊，44（9），2459-2562。
[15] Joshi，M.和Jalobeanu，A.（2010年）。基于IGMRF先验模型的遥感图像多分辨率融合MAP估计。IEEE地球科学与遥感汇刊，48（3），1245-1255。
[16] Kim，Y.、Lee，C.、Han，D.、Kim，Y和Kim，Y-（2011）。改进的加法小波图像融合。IEEE地球科学与遥感快报，8（2），263-267。
[17] Li，X.，Pang，Y.，&Y.Y.（2010）。基于L1-范式的2D PCA。IEEE系统、人与控制论汇刊，B部分（控制论），40（4），1170-1175。
[18] Li，S.和Yang，B.（2010年）。多传感器多模态图像融合的混合多分辨率方法。IEEE传感器杂志，10（9），1519-1526。
[19] Liu，Z.、Blasch，E.、Xue，Z.，Zhao，J.、Laganiere，R.和Wu，W.（2012）。夜视环境增强中多分辨率图像融合算法的客观评估：一项比较研究。IEEE模式分析和机器智能汇刊，34（1），94-109。
[20] Liu，Q.，Wang，Y.，Z.，&Liu，L.（2014）。基于加权红黑小波的泛锐化。IET图像处理，8（8），477-488。
[21] Mahyari，A.G.和Yazdi，M.（2010年）。使用时间傅立叶变换的全色和多光谱图像的融合。IET图像处理，4（4），255-260。
[22] Mahyari，A.G.和Yazdi，M.（2011年）。基于光谱和空间相似性最大化的全色和多光谱图像融合。IEEE地球科学和遥感汇刊，49（6），1976-1985。
[23] Massip，P.、Blanc，P.和Wald，L.（2012年）。一种在基于ARSIS的泛增强方法中更好地解释调制传递函数的方法。IEEE地球科学与遥感汇刊，50（3），800-808。
[24] Mitianoudis，N.和Stathaki，T.（2008）。基于ICA的多模态图像融合的最佳对比度校正。IEEE传感器杂志，8（12），2016-2026。
[25] Palsson，F.、Sveinsson，J.R.、Ulfarsson，M.O.和Benediktsson，J.A.（2015）。使用PCA和小波对多光谱和高光谱图像进行基于模型的融合。IEEE地球科学与遥感汇刊，53（5），2652-2663。
[26] Petrovic，V.（2007）。图像融合评估和客观度量验证的主观测试。信息融合，8（2），2018-2216。
[27] Peyre，G.（2005）。几何多螯在les纹理上注入les图像。法国帕莱绍数学应用中心生态奥运技术报告。
[28] Pohl，C.和Van Genderen，J.L.（1998）。遥感中的多传感器图像融合：概念、方法和应用。国际遥感杂志，19（5），823-854。
[29] Shahdoosti，H.R.和Ghassemian，H.（2015）。MS和PAN图像的融合，保持光谱质量。IEEE地球科学与遥感快报。，12(3), 611-615.
[30] 石毅（2011）。脑风暴优化算法。《2011年国际集成电路学会：群体智能的进展》（第303-309页）。
[31] Song，Y.，Wu，W.，Liu，Z.，Yang，X.，Liw，K.，&Lu，W.（2016）。一种使用加权最小二乘滤波器的自适应泛锐化方法。IEEE地球科学与遥感快报，13（1），18-22。
[32] Thomas，C.、Ranchin，T.、Wald，L.和Chanussot，J.（2008年）高空间分辨率多光谱图像合成：基于遥感物理的融合方法评述。IEEE地球科学与遥感汇刊，46（5），1301-1312。
[33] Upla，K.P.、Gajjar，P.P.和Joshi，M.V.（2015年a）。保边缘多分辨率融合：使用轮廓波变换和MRF先验。IEEE地球科学与遥感事务，53（6），3210-3220。
[34] Upla，K.P.、Joshi，M.V.和Gajjar，P.P.（2015b）。保边缘多分辨率融合：使用轮廓波变换和MRF先验。IEEE地球科学与遥感汇刊，53（6），3210-3220。
[35] Vaillancourt，J.、Blasch，E.、Gu，G.、Lu，X.和Reinhardt，K.（2016）。使用无电压中波和长波红外双频焦平面阵列的片上自注册图像融合演示。IEEE传感器杂志，16（11），4374-4379。
[36] Wald，L.（2000）。高分辨率合成图像的质量：有一个简单的标准吗。在关于融合地球数据、合并点测量、栅格地图遥感图像的第三届会议论文集（第99-103页）。
[37] Wang，W.，Jiao，L.，&Yang，S.（2015）。基于粒子群优化的新型自适应分量替换泛锐化算法。IEEE地球科学与遥感快报，12（4），781-785。
[38] Wei，Z.G.，Yuan，J.H.，&Cai，Y.L.（1999）。一种基于人类感知的图像质量评价方法。电子学报，27（4），79-82。
[39] Yang，Y.、Tong，S.、Huang，S.和Lin，P.（2015）。基于NSCT和聚焦区域检测的多聚焦图像融合。IEEE传感器杂志，15（5），2824-2838。
[40] Yuhas，R.H.、Goetz，A.F.和Boardman，J.W.（1992年）。使用光谱角度映射（SAM）算法在半干旱景观端点之间进行识别。第三届喷气推进实验室航空地球科学研讨会纪要（第1卷，第147-149页）。
[41] Zhang，Q.，Cao，Z.，Hu，Z.、Jia，Y.和Wu，X.（2015）。全色和多光谱图像的联合图像配准与融合。IEEE地球科学与遥感快报，12（3），467-471。
[42] Zhang，L.，Shen，H.，Gong，W.，&Zhang。H.（2012）。基于可调模型的多光谱和全色图像融合方法。IEEE系统、人与控制论汇刊，B部分（控制论），42（6），1693-1704。
[43] Zhong，S.、Zhang，Y.、Chen Y.和Wu，D.（2017）。结合分量替换和多分辨率分析：一种新的广义BDSD平移锐化算法。IEEE应用地球观测和遥感专题期刊，102867-2875。
[44] Zhou，Z.、Peng，S.、Wang，B.、Hao，Z.和Chen，S.（2012）。一种优化的超高分辨率多光谱图像泛锐化方法。IEEE地球科学与遥感快报，9（4），735-739。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。