NSST域内基于压缩感知和PCNN的遥感图像融合.pdfVIP

第16卷 第14期 2016年5月 科 学 技 术 与 工 程 Vol．16 No．14 May. 2016 1671—1815(2016)014-0259-04 ScienceTechnologyandEngineering ⓒ 2016 Sci．Tech．Engrg． NSST域内基于压缩感知和PCNN 的遥感图像融合 赵学军 刘 静 (中国矿业大学(北京)机电与信息工程学院,北京 100083) 摘 要 针对NSCT 融合算法运算数据量大、计算复杂度较高、实时性较低的问题,提出一种基于非下采样剪切波变换(non- subsampledshearlettransform,NSST)和压缩感知(compressedsensing,CS)的遥感图像融合方法。 首先,对待融合图像进行NSST 变换,分解后得到的低频子带系数采用区域能量的融合规则;分解后的高频子带系数具有较高稀疏性。 通过CS进行压缩后 采用PCNN 的融合规则,最后对重构系数进行NSST逆变换。 实验结果表明,与传统经典算法相比,新方法不仅有效提高了图 像融合效果,而且加快了算法的运行速度,满足融合系统实时性的要求。 关键词 图像融合 NSST 区域能量 压缩感知 PCNN 中图法分类号 TP751．1; 文献标志码 A 图像融合,是将多传感器在不同时间下捕获的 1 非下采样sheatlet变换 关于同一场景的信息进行综合,从而获得关于此场 [1] [2] 景新的更加精准的描述 。 小波变换 可以有效 NSST 的多尺度分解采用非下采样金字塔来实 地保留图像光谱信息并捕获点奇异性,但不具备多 现,源图像经k级多尺度分解后,可得到 1个低频 [3] 方向性,因此非下采样Contourlet 变换(NSCT) 、 图像和k 个大小相同但尺度不同的高频图像。 [4] Shearlet变换 等多尺度、多方向性方法被提出。 NSST 的多尺度多方向分解过程如图1所示,其中 NSCT 因计算复杂度较高,难以有效满足实时性要 NSP分解级数为3。 NSST 的方向局部化是通过改 [5] 求较高的应用。 近几年兴起的 NSST 继承了 进的剪切波滤波器完成的,即将标准的剪切滤波 Shearlet变换更灵活的结构、更高的计算效率和更理 器从伪极化网格系统映射回笛卡尔坐标系统,经 L 想的图像融合效果,并具备平移不变性,克服了 ST 过L级方向分解可得到n =2 +2 个方向子带J , jn 的Gibbs效应,在图像融合领域的应用仍处于初步 如图2所示。 探索阶段。 [6] 近年来,CS理论 逐渐被引入到图像融合过程 中。 文献[5]提出对NSST分解后的高频子带系数 用CS算法压缩,观测值采用策略局部区域能量和 全局梯度联合指导,低频分量的融合采用策略局部 区域能量和局部区域方差联合指导。 文献[6]针对 各个方向子带稀疏度不同的问题,提出了基于改进 图1 NS