基于IHS的高分辨率遥感影像自适应融合算法

doi:10.3778/j.issn.1002-8331.2010.31.006

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (31): 22-24.DOI: 10.3778/j.issn.1002-8331.2010.31.006

基于IHS的高分辨率遥感影像自适应融合算法

王万同^1，2，李锐²

1.河南大学环境与规划学院，河南开封 475001
2.中国科学院地理科学与资源研究所，北京 100101

收稿日期:2010-06-28 修回日期:2010-09-29 出版日期:2010-11-01 发布日期:2010-11-01
通讯作者: 王万同

Adaptive high-resolution remote sensing image fusion algorithm based on IHS

WANG Wan-tong^1，2，LI Rui²

1.College of Environment and Planning，Henan University，Kaifeng，Henan 475001，China
2.Institute of Geographical Science and Natural Resources，Chinese Academy of Sciences，Beijing 100101，China

Received:2010-06-28 Revised:2010-09-29 Online:2010-11-01 Published:2010-11-01
Contact: WANG Wan-tong

摘要/Abstract

摘要： 在分析几种IHS算法的基础上，提出了一种适合于高分辨率遥感影像的自适应加权融合算法。该算法基于快速IHS变换，从亮度成份构成和空间细节注入程度两个方面加以改进，采用相关系数来调整权重，避免了人工指定权重带来的主观因素偏差，在提高影像空间细节和光谱保持之间取得了较好的均衡，同时还具备了高计算效率。通过融合实验并与几种改进的IHS算法的对比分析，该算法均优于其他几种改进算法。

关键词: IHS算法, 高分辨率遥感影像, 影像融合, 自适应权重, 相关系数

Abstract: This paper tries to propose an adaptive fusion algorithm suited to high-resolution remote sensing image，which is based on the analysis of some other improved algorithm of Intensity-Hue-Saturation（IHS）.On account of fast intensity-hue-saturation（FIHS） transform，this algorithm is improved from the aspects of intensity component and spatial information，and adjusts the weight through correlation coefficient to avoid the deviation caused by the subjective factors，therefore keeps the balance between spatial details and optical spectrum and improves the calculative efficiency. Comparing with some other improved algorithms of IHS，this algorithm is better than them.

Key words: Intensity-Hue-Saturation（IHS）, high-resolution remote sensing images, image fusion, adaptive weight, correlation coefficient

中图分类号:

TP391

王万同^1，2，李锐². 基于IHS的高分辨率遥感影像自适应融合算法[J]. 计算机工程与应用, 2010, 46(31): 22-24.

WANG Wan-tong^1，2，LI Rui². Adaptive high-resolution remote sensing image fusion algorithm based on IHS[J]. Computer Engineering and Applications, 2010, 46(31): 22-24.

[1]	张力戈，陈芋文，秦小林，易斌，李雨捷. 危重症指标相关性分析模型[J]. 计算机工程与应用, 2021, 57(19): 156-163.
[2]	相益萱，姜合，潘品臣，孙聪慧. 二次幂耦合的[K]-means聚类算法研究[J]. 计算机工程与应用, 2021, 57(14): 95-102.
[3]	李荣，贺兴时，杨新社. 基于差分进化的飞蛾算法在电力调度中的应用[J]. 计算机工程与应用, 2021, 57(13): 258-268.
[4]	周新，邹海. 融合黄金正弦混合变异的自适应樽海鞘群算法[J]. 计算机工程与应用, 2021, 57(12): 75-85.
[5]	保盈，王雷光，郭梦晓，代沁伶，郑晨. Worldview 3全色与短波红外影像两步式融合框架[J]. 计算机工程与应用, 2021, 57(11): 193-201.
[6]	宗晓萍，田伟倩. 采用K-means的脑肿瘤磁共振图像分割与特征提取[J]. 计算机工程与应用, 2020, 56(3): 187-193.
[7]	金楠森，刘美玲，谷欣然，韩雨彤. 双参卷积理论模型预测交通通行时间[J]. 计算机工程与应用, 2020, 56(20): 258-263.
[8]	苏梦珂，孔祥智. 直觉对偶犹豫模糊集在多属性群决策中的应用[J]. 计算机工程与应用, 2020, 56(17): 273-278.
[9]	高文欣，刘升，肖子雅，于建芳. 柯西变异和自适应权重优化的蝴蝶算法[J]. 计算机工程与应用, 2020, 56(15): 43-50.
[10]	李丹. 结构加权相关自适应子空间聚类[J]. 计算机工程与应用, 2020, 56(13): 137-142.
[11]	张晓琴1，刘玲1，郭鑫垚2. 基于HSIC0的类间非线性相关系数度量[J]. 计算机工程与应用, 2019, 55(3): 46-49.
[12]	刘清华1，赖裕平2，丁洪伟1，杨志军1，崔晓龙3. 基于SVM的蛋白质亚细胞定位预测[J]. 计算机工程与应用, 2019, 55(11): 136-141.
[13]	郭炜婷，夏利民. 基于多视角非负矩阵分解的人体行为识别[J]. 计算机工程与应用, 2018, 54(16): 37-43.
[14]	李霞，朱倩，张昆，赵洋洋. 不同地貌的TH-1遥感影像融合质量评价[J]. 计算机工程与应用, 2016, 52(4): 200-204.
[15]	范永全，杜亚军. 基于加权相似度的用户协同过滤方法[J]. 计算机工程与应用, 2016, 52(22): 222-225.

基于IHS的高分辨率遥感影像自适应融合算法

Adaptive high-resolution remote sensing image fusion algorithm based on IHS

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics