快速离散Curvelet变换在遥感影像融合中的应用

"利用快速离散Curvelet变换的遥感影像融合 (2011年) - 基于快速离散Curvelet变换的遥感影像融合方法，通过局部标准差加权、绝对值最大策略和直接替换策略处理不同频率子带，改善了传统融合方法的光谱失真问题。" 遥感影像融合是将多光谱和全色影像的优势结合，以获取更高分辨率的影像数据，同时保留光谱信息。传统方法如IHS变换和PCA变换在提升空间分辨率的同时，往往会导致光谱信息的损失。为了解决这个问题，研究人员开始探索基于多尺度分析的方法，如小波变换。然而，小波变换在处理图像边缘和复杂结构时存在不足。 Curvelet变换是一种介于傅立叶变换和小波变换之间的多尺度分析工具，它具有良好的方向敏感性和局部特性，尤其适合于图像的边缘检测和表示。相比于小波，Curvelet变换更有效地捕捉图像的几何特征，特别是在处理具有复杂边缘的图像时。连续Curvelet变换是理论基础，而离散Curvelet变换则适用于实际计算，尤其是快速算法的引入，大大提高了计算效率。 本文提出的快速离散Curvelet变换融合方法，首先对经过空间配准的多光谱和全色影像进行Curvelet变换。针对变换后的不同频率子带，采取不同的融合策略：对于低频子带，使用局部标准差加权策略，保留影像的整体结构；对于中高频子带，采用绝对值最大策略，以保持重要的细节信息；而对于高频子带，直接替换策略被应用，确保最精细的纹理信息得以保留。这种方法旨在兼顾空间分辨率和光谱信息，减少传统融合方法的局限性。 实验使用IKONOS、QuickBird和World-View-2等卫星的多光谱和全色影像进行融合，并通过定量评价展示了该方法相对于传统方法的优越性。实验结果证明，快速离散Curvelet变换在保留影像的光谱特性的同时，显著提升了空间分辨率，为遥感影像处理提供了新的思路和技术支持。 关键词：快速离散Curvelet变换；遥感影像融合；影像质量评价；局部标准差加权；绝对值最大策略；直接替换策略 此研究对于遥感信息工程和图像处理领域具有重要意义，为遥感影像的分析、理解和应用提供了更加高效且精确的技术手段。