区域IHS_NSST提升国产高分SAR与光学图像融合性能

本文主要探讨了一种针对国产高分合成孔径雷达(SAR)和光学图像融合的创新方法，名为"基于区域性IHS_NSST"。该方法由昆明理工大学国土资源工程学院和云南省高校高原山区空间信息测绘技术应用工程研究中心的研究团队提出，旨在提升国产遥感数据的融合性能。 首先，研究者采用了高分一号、高分二号的多光谱图像以及高分三号的SAR聚束模式和精细化条带1模式图像作为输入源。融合的关键在于结合变换域（如非下采样剪切波变换，NSST）和空间域的技术。NSST是一种高效的信号处理工具，它能够在保留图像细节的同时进行频域分析。 在NSST分解的子带处理上，作者引入了区域性的概念。对于低频成分，他们采用了区域能量平均的方法，这种方法能够更好地保持图像的整体一致性，减少噪声影响。而对于高频成分，研究人员采用了改进的拉普拉斯能量和(SML)激励的脉冲耦合神经网络（PCNN）方法，这有助于增强图像的细节恢复能力，并且具有较好的抗干扰性能。 算法流程包括对多光谱图像进行IHS变换，这是一种将图像分解为亮度、色调和饱和度三个独立通道的方法，以便更精细地处理不同信息。然后，通过NSST的子带处理和区域化策略，融合SAR和光学图像，同时优化高频和低频信息的融合效果。 最后，该研究从定性和定量两个层面评估了提出的IHS_NSST融合算法。通过与多种传统融合方法的对比，结果显示，基于区域性IHS_NSST的融合方法在国产高分SAR和光学图像的融合性能上表现出显著的优势。它不仅显著改善了光谱失真，保持了空间特征信息的完整性，而且提高了图像的质量和可用性，这对于地理信息系统(GIS)、城市规划和环境监测等领域具有重要的实际应用价值。 关键词：图像处理、图像融合、国产高分卫星、非下采样剪切波变换、脉冲耦合神经网络。这项研究对于推动我国遥感技术的发展和提高国产卫星数据的应用效率具有积极的促进作用。