混沌蜂群优化的NSST域多光谱与全色图像融合
为有效融合多光谱图像的光谱信息和全色图像的空间细节信息,提出了一种基于混沌蜂群优化和改进脉冲耦合神经网络(PCNN)的非下采样Shearlet变换(NSST)域图像融合方法.首先对多光谱图像进行Intensity-Hue-Saturation(IHS)变换,全色图像的直方图按照多光谱图像亮度分量的直方图进行匹配;然后分别对多光谱图像的亮度分量和新全色图像进行NSST变换,对低频分量使用改进加权融合算法进行融合,以互信息作为适应度函数,利用混沌蜂群算法找到最优加权系数.对高频分量采用改进脉冲耦合神经网络(PCNN)方法进行融合,再经NSST逆变换和IHS逆变换得到融合图像.本文方法在主观视觉效果和信息熵、光谱扭曲度等客观定量评价指标上优于基于IHS变换、基于非下采样Contourlet变换(NSCT)和非负矩阵分解(NMF)、基于NSCT和PCNN等5种融合方法.本文方法在提升图像空间分辨率的同时,有效地保留了光谱信息.
图像融合、多光谱与全色图像、非下采样Shearlet变换、混沌蜂群优化、改进的脉冲耦合神经网络
21
O433.4;TP751(光学)
National Natural Science Foundation of China No.61573183国家自然科学基金61573183;南京信息工程大学,江苏省大数据分析技术重点实验室开放基金KXK1403;浙江省信号处理重点实验室开放基金ZJKL_6_SP-OP2014-02;广西多源信息挖掘与安全重点实验室开放基金MIMS16-01;国土资源部地学空间信息技术重点实验室开放基金KLGSIT2015-05;国土资源部成矿作用与资源评价重点实验室开放基金ZS1406
2017-08-25（万方平台首次上网日期，不代表论文的发表时间）
共9页
549-557
