Contourlet变换局部特征选择性遥感图像融合方法

"基于Contourlet系数局部特征的选择性遥感图像融合算法" 本文提出了一种创新的遥感图像融合方法，旨在在显著提升多光谱图像空间分辨率的同时，尽可能保持其原有的光谱特性。该方法是基于Contourlet变换，这是一种多尺度分析工具，特别适合于图像的边缘和细节捕获。在融合过程中，多光谱和全色图像首先通过Contourlet变换分解成不同频率的部分，包括近似分量和多个方向的细节分量。 在Contourlet变换后，针对低频和高频部分融合目标的不同，论文采取了差异化处理策略。对于低频近似分量，通常包含图像的主要结构信息，而高频细节分量则携带了丰富的纹理和边缘信息。文章中，利用窗口邻域移动模板计算这些区域的Contourlet系数的局部特征量，如均值、方差等。这些特征用于评估和选择融合策略。 接下来，根据预先设定的融合准则（可能包括信息熵、能量、相关性等），对图像的近似分量和细节分量在Contourlet系数域内进行选择性融合。这种方法允许更精细地控制哪些特征被保留，哪些被融合，从而实现对图像质量的优化。 最后，通过Contourlet逆变换和IHS（亮度色调饱和度）逆变换，将融合后的系数恢复为图像空间域的高分辨率多光谱图像。实验使用Landsat TM多光谱图像和SPOT全色图像进行，结果显示，提出的算法在提升空间分辨率的同时，成功保持了原始图像的光谱特性，并在效果上优于传统融合方法。 关键词涵盖图像处理、遥感图像、图像融合、Contourlet变换以及局部特征，强调了这一方法在遥感图像处理领域的应用价值。通过对比实验，该算法证明了其在提高图像质量和保持光谱信息方面的能力，为遥感图像分析和应用提供了新的技术手段。