基于小波系数叠加的遥感图像融合法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (3): 217-219.

基于小波系数叠加的遥感图像融合法

常化文¹,兰淑铎²,陈春香²

1.郑州大学西亚斯国际学院，郑州 451150
2.桂林工学院电子与计算机系，广西桂林 541004

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-21 发布日期:2008-01-21
通讯作者: 常化文

Remote sensing image fusion based on addition of wavelet coefficients

CHANG Hua-wen¹,LAN Shu-duo²,CHEN Chun-xiang²

1.SIAS International，School of Zhengzhou University，Zhengzhou 451150，China
2.Department of Electronics and Computer Science，Guilin Institute of Technology，Guilin，Guangxi 541004，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-21 Published:2008-01-21
Contact: CHANG Hua-wen

摘要/Abstract

摘要： 在基于小波变换图像融合法的基础上提出了基于小波系数叠加的图像融合法。该方法首先将多光谱图像进行HSV（Hue，Saturation，Value）色彩空间变换，将V分量进行归一化得到V′，将V分量（取值范围为[0，255]）和归一化后的V′（取值范围为[0，1]）同全色图像一同进行小波分解，然后采用小波系数叠加策略进行融合，最后进行小波反变换和HSV反变换得到新的融合图像。实验结果证明该方法具有较好的融合效果。

关键词: 图像融合, HSV, 小波变换, 遥感

Abstract: A new image fusion method which is based on HSV color space and addition of wavelet coefficients is proposed.The process is as follows：converting the multi-spectral image into HSV（Hue，Saturation，Value） color space by HSV transform；formalizing the V component into two types，one is in the range of [0，1] the other is in the range of [0，255]，then decomposing these two different V components and panchromatic image by wavelet transform；merging the wavelet coefficients by means of addition strategy after decomposition；finally，obtaining the fused image by wavelet reconstruction and inverse HSV transform.Experimental results show that the new method is better than generic wavelet-based fusion rule.

Key words: image fusion, Hue, Saturation, Value（HSV）, wavelet transform, remote sensing

常化文¹,兰淑铎²,陈春香². 基于小波系数叠加的遥感图像融合法[J]. 计算机工程与应用, 2008, 44(3): 217-219.

CHANG Hua-wen¹,LAN Shu-duo²,CHEN Chun-xiang². Remote sensing image fusion based on addition of wavelet coefficients[J]. Computer Engineering and Applications, 2008, 44(3): 217-219.

[1]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[2]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[3]	魏玮，杨茹，朱叶. 改进CenterNet的遥感图像目标检测[J]. 计算机工程与应用, 2021, 57(6): 191-199.
[4]	万亚玲，钟锡武，刘慧，钱育蓉. 卷积神经网络在高光谱图像分类中的应用综述[J]. 计算机工程与应用, 2021, 57(4): 1-10.
[5]	佘海龙，解山娟，邹静洁. 标准分数降维的3D-CNN高光谱遥感图像分类[J]. 计算机工程与应用, 2021, 57(4): 169-175.
[6]	顾梅花，王苗苗，李立瑶，冯婧. 彩色图像多尺度融合灰度化算法[J]. 计算机工程与应用, 2021, 57(4): 209-215.
[7]	胡杰，张莹，谢仕义. 国产遥感影像分类技术应用研究进展综述[J]. 计算机工程与应用, 2021, 57(3): 1-13.
[8]	李代栋，赫晓慧，李盼乐，田智慧，周广胜. 基于SPUD-ResNet的遥感影像道路提取网络[J]. 计算机工程与应用, 2021, 57(23): 240-247.
[9]	谢俊章，彭辉，唐健峰，侯奕辰，曾庆喜. 改进YOLOv4的密集遥感目标检测[J]. 计算机工程与应用, 2021, 57(22): 247-256.
[10]	王长城，周冬明，刘琰煜，谢诗冬. 无监督深度学习模型的多聚焦图像融合算法[J]. 计算机工程与应用, 2021, 57(21): 209-215.
[11]	秦伟伟，宋泰年，刘洁瑜，王洪伟，梁卓. 基于轻量化YOLOv3的遥感军事目标检测算法[J]. 计算机工程与应用, 2021, 57(21): 263-269.
[12]	王建军，魏江，梅少辉，王健. 面向遥感图像小目标检测的改进YOLOv3算法[J]. 计算机工程与应用, 2021, 57(20): 133-141.
[13]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[14]	高宇歌，杨海涛，王晋宇，李高源，张长弓，冯博迪. 联合知识与CNN的遥感影像目标检测研究综述[J]. 计算机工程与应用, 2021, 57(18): 65-74.
[15]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.