HIS小波+MOPSO: 提升多光谱与全色图像融合效果

本文主要探讨了"基于HIS-小波变换和MOPSO算法的多光谱与全色图像融合"这一研究主题。在遥感领域，有效地融合全色图像和多光谱图像对于信息提取至关重要，因为它能最大化光谱和空间信息的利用。文章的作者赵辽英、马启良和厉小润针对这一问题，提出了一种创新的融合策略。 首先，他们采用了HIS（色调饱和度对比度）小波变换作为融合框架，HIS变换在提升图像空间细节信息方面有优势，但可能导致光谱信息损失。为解决这个问题，他们设计了一种基于一阶高斯微分的高频系数提取方法，利用小波变换中高频系数的物理特性——噪声点孤立性和细节、边缘的方向性，来增强图像的特征表现。 然后，他们将融合过程视为一个多目标优化问题，选择多个融合评价指标作为目标函数，如信噪比、视觉效果等。通过引入多目标粒子群优化算法（MOPSO），对使用不同融合规则得到的图像结果进行优化组合，以获得最佳的光谱保真度和空间细节保持。这种方法旨在平衡图像在两个方面的表现，既保持图像原有的光谱信息，又能提升空间分辨率。 最后，作者通过对实际的TM多光谱图像和SPOT全色图像进行实验验证，结果显示，他们的改进高频系数提取方法显著提升了融合图像在光谱和空间信息上的表现。MOPSO算法的应用使得优化后的图像在光谱信息保留上有明显优势，并且空间信息也得到了显著提升。因此，这篇文章的研究成果对于遥感图像处理领域具有重要的理论价值和实际应用潜力，特别是在需要综合分析多源遥感数据的场景中。 本文的关键词包括遥感图像融合、小波变换、高频系数提取、多目标粒子群优化算法。PACS编码（Physics and Astronomy Classification Scheme）为42.30.K，这表明该研究属于物理学的地球物理学子领域，特别是遥感技术方面。