基于PCA和NSCT的多光谱图像和全色图像的融合  

Fusion of multispectral and panchromatic images based on PCA and NSCT

作　　者：时海亮[1] 魏涛[2] 辛向军[1] 裴云霞[1] 

机构地区：[1]郑州轻工业学院数学与信息科学系,郑州450002 [2]河南工程学院计算机科学与工程系,郑州451191

出　　处：《计算机工程与应用》2012年第10期212-216,共5页Computer Engineering and Applications

基　　金：河南省基础与前沿技术研究计划(No.092300410045);河南省教育厅自然科学研究计划(No.2010A520045;No.2009A110021);郑州轻工业学院校科研基金(No.2008XJJ007)

摘　　要：研究了主分量分析(PCA)和非下采样Contourlet变换(NSCT),提出一种新的多光谱图像和全色图像的融合算法。该方法对多光谱图像进行PCA变换,对所得的第一主分量(PC1)以及全色图像进行NSCT变换。对二者的低频近似系数再次进行PCA变换以寻求多光谱信息和空间信息的平衡;对于高频细节系数,通过结构相似性指标(SSIM)和局部Sobel梯度进行融合,进一步提高空间信息量;经过逆NSCT和逆PCA变换得到融合图像。实验结果表明,提出的方法在增强融合图像空间细节表现能力的同时,尽可能地保留了多光谱图像的光谱信息,优于传统的基于IHS、PCA、小波变换和Contourlet变换的融合方法,是有效可行的。A novel fusion method is proposed for multispectral and panchromatic satellite images using Principal Component Analysis(PCA)and Nonsubsampled Contourlet Transform(NSCT). This method first performs PCA on MS, and NSCT on PAN and the first principal componen(tPC1)to get corresponding low-frequency and high-fre-quency coefficients. Then fuses the approximation coefficients using PCA again for the tradeoff between the spectral and spatial information, and fuses the subbands coefficients based on Structural Similarity Index(SSIM)and lo- cal Sobel average gradient for the spatial detail information. A fused image is formed through inverse NSCT and inverse PCA. Experimental results show that the proposed fusion method can effectively preserve spectral information while improving the spatial quality, and outperforms the general IHS-, PCA-, Wavelet-, Contourlet-based fusion methods.

关 键 词：图像融合 主分量分析 非下采样Contourlet Sobel梯度 结构相似性指标 

分 类 号：TN911.73[电子电信—通信与信息系统]