非负矩阵分解在遥感图像融合中的应用

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (20): 68-70.

非负矩阵分解在遥感图像融合中的应用

陈鹰，郭睿

同济大学测量与国土信息工程，上海 200092
同济大学遥感与空间信息技术研究中心，上海 200092

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-07-11 发布日期:2007-07-11
通讯作者: 陈鹰

Application of Non-negative Matrix Factorization to romote sensing image fusion

CHEN Ying，GUO Rui

Department of Surveying and Geoinformatics，Tongji University，Shanghai 200092，China
Research Center of Romote Sensing Technology and Application，Tongji University，Shanghai 200092，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-07-11 Published:2007-07-11
Contact: CHEN Ying

摘要/Abstract

摘要： 非负矩阵分解（Non-negative Matrix Factorization，NMF）算法是在矩阵中所有元素均为非负数的条件下的一种矩阵分解方法，这为矩阵分解提供了一种新的思路。非负矩阵分解方法在图像处理领域具有十分重要的应用意义。介绍了非负矩阵分解的基本思想，讨论了非负矩阵分解用于图像融合的可能性，并实现了基于非负矩阵分解的遥感SAR图像与SPOT图像的融合，NMF能通过观测图像数据找到图像的基矩阵，发现图像的特征，从而最终获得融合图像。不仅对基于NMF的融合方法进行了实验，而且对基于NMF的融合方法和基于小波的融合方法作了对比，并从主观和客观上来评价了这两种融合图像的质量。实验结果表明基于NMF的融合图像与原始的SAR图和基于小波的融合图像相比，能提供更多的信息，更适合作为实时定位的基准图。

关键词: 非负矩阵分解, SAR图像, 图像融合

Abstract: Non-negative Matrix Factorization（NMF） is a kind of matrix decomposition method with the constraint that each element of matrix is nonnegative，which has wide application in image processing.In this paper，the basic principle of NMF is first introduced，then the application of NMF in image fusion is discussed，and at last，the fusion of SAR image and SPOT image based on NMF is implemented.NMF can find basis vector through observation data，and discover image feature，obtaining the fusion image.This paper not only studies on the image fusion method based on NMF，but also makes comparison between it and fusion method based on wavelet transforms，evaluating these fusion images quality with evaluation criteria.The experiment results show that fusion image based on NMF can offer more information than original SAR image and fusion image based on wavelet transforms，more suiting to use as reference map for real-time location.

Key words: Non-negative Matrix Factorization, SAR image, image fusion

陈鹰，郭睿 . 非负矩阵分解在遥感图像融合中的应用[J]. 计算机工程与应用, 2007, 43(20): 68-70.

CHEN Ying，GUO Rui. Application of Non-negative Matrix Factorization to romote sensing image fusion[J]. Computer Engineering and Applications, 2007, 43(20): 68-70.

[1]	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.
[2]	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.
[3]	齐小祥，李敏，朱颖，宋雨，杜卫东. 基于边缘检测的SAR图像自适应区域分割[J]. 计算机工程与应用, 2021, 57(22): 232-240.
[4]	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.
[5]	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.
[6]	李广安，曹岩，岳晓新. 基于BEEMD分解的红外与可见光图像融合[J]. 计算机工程与应用, 2021, 57(14): 237-244.
[7]	张晓晓，牛福，毛健平，安居白，郭浩. 基于多特征融合与ResNet的海面溢油区识别研究[J]. 计算机工程与应用, 2021, 57(14): 267-274.
[8]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[9]	刘家骥，包崇明，周丽华，王崇云，孔兵. 图正则化非负矩阵分解的异质网社区发现[J]. 计算机工程与应用, 2020, 56(21): 131-138.
[10]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[11]	隋修武，牛佳宝，李昊天，乔明敏. 基于NMF-SVM模型的上肢sEMG手势识别方法[J]. 计算机工程与应用, 2020, 56(17): 161-166.
[12]	蔡菲，张鑫，牟晓慧，陈杰，蔡珣. 深度非负矩阵分解的链路预测方法研究[J]. 计算机工程与应用, 2020, 56(15): 153-161.
[13]	吴帆，高媛，秦品乐，王丽芳. 基于拉普拉斯金字塔和CNN的医学图像融合算法[J]. 计算机工程与应用, 2020, 56(15): 208-214.
[14]	李一菲，杨燕，张国强. 基于补偿暗通道和透射率融合的图像去雾算法[J]. 计算机工程与应用, 2019, 55(3): 196-201.
[15]	余霆嵩，文元美，凌永权. 基于张量分解融合RGB-D图像的物体识别[J]. 计算机工程与应用, 2019, 55(2): 174-178.