基于引导滤波和shearlet稀疏的遥感图像融合算法

计算机工程与科学

基于引导滤波和shearlet稀疏的遥感图像融合算法

王威1,2，张佳娥1,2

（1.长沙理工大学计算机与通信工程学院，湖南长沙 410114;

2.综合交通运输大数据智能处理湖南省重点实验室，湖南长沙 410114）

收稿日期:2016-08-16 修回日期:2016-12-07 出版日期:2018-07-25 发布日期:2018-07-25
基金资助:
国防973计划（613XXX0301）

A remote sensing image fusion algorithm based on

guided filtering and shearlet sparse base

WANG Wei1,2,ZHANG Jiae1,2

（1.School of Computer and Communication Engineering,Changsha University of Science & Technology,Changsha 410114;

2.Hunan Province Key Laboratory of Comprehensive Transportation Big Data Intelligent Processing,Changsha 410114,China）

Received:2016-08-16 Revised:2016-12-07 Online:2018-07-25 Published:2018-07-25

摘要/Abstract

摘要：

针对遥感图像空间分辨率和光谱分辨率不可兼得的情况，

结合多尺度变换与稀疏表示，提出一种shearlet稀疏基与引导滤波共同作用的遥感图像融合算法。以IHS融合模型为基础，利用引导滤波作拟合处理，再用shearlet变换分解亮度图像和全色图像，得到图像的高低频子带系数。

对低频子图进行稀疏化处理并获取最优稀疏系数，稀疏系数以图像块活跃度取大的标准进行替换融合。

基于区域能量和区域方差融合处理对应的高频子图，再利用shearlet反变换获取融合结果。
实验结果表明，本文算法能提高图像清晰度以及光谱保留度，在图像完整度和细节考量上远好于其他算法。

关键词: 图像融合, shearlet变换, 低频部分, 稀疏表示

Abstract:

For the situation that the spatial resolution and spectral resolution of remote sensing images cannot be combined, we propose a remote sensing image fusion algorithm based on shearlet sparse base and guided filtering by combing multiscale transform with sparse representation. Based on the IHS fusion model, we adopt the guided filtering for the fitting process. Then the brightness image and the panchromatic image are decomposed by the shearlet transform to obtain the high and low frequency subband coefficients of the image. The lowfrequency subimages are sparsely processed and the optimal sparse coefficients are obtained, and fusion is performed based on the criterion that the activity degree of image blocks is large. The corresponding highfrequency subimages are fused based on regional energy and regional variance and obtain the fusion results via the shearlet inverse transformation. Experimental results show that the proposed algorithm can improve image sharpness and spectral retention, and it outperforms other algorithms in image integrity and detail.

Key words: image fusion, shearlet transform, low frequency part, sparse representation

王威1,2，张佳娥1,2. 基于引导滤波和shearlet稀疏的遥感图像融合算法[J]. 计算机工程与科学.

WANG Wei1,2,ZHANG Jiae1,2.

A remote sensing image fusion algorithm based on

guided filtering and shearlet sparse base

[J]. Computer Engineering & Science.

[1]	李一, 李阳, 苗壮, 王家宝, 张睿. 一种扩展VIFB的红外与可见光图像融合基准[J]. 计算机工程与科学, 2022, 44(06): 1072-1082.
[2]	张丽霞, 曾广平, 宣兆成. 多源图像融合方法的研究综述[J]. 计算机工程与科学, 2022, 44(02): 321-334.
[3]	张贵仓, 王静, 苏金凤. 改进稀疏表示与积化能量和的多聚焦图像融合[J]. 计算机工程与科学, 2022, 44(01): 124-131.
[4]	何选森, 徐丽, 夏娟 . 具有相似性传播的K-均值欠定盲分离算法[J]. 计算机工程与科学, 2021, 43(10): 1880-1890.
[5]	张丽霞, 曾广平, 宣兆成. NSST域下SPCNN与SR结合的多源图像融合[J]. 计算机工程与科学, 2020, 42(11): 2042-2049.
[6]	张贵仓, 苏金凤, 拓明秀. DTCWT域的红外与可见光图像融合算法[J]. 计算机工程与科学, 2020, 42(07): 1226-1233.
[7]	王杨1,2，向秀梅1,2，卢嘉1,2，郁振鑫1,2. 基于双目融合的无参考立体图像质量评价[J]. 计算机工程与科学, 2020, 42(03): 510-516.
[8]	苏金凤，张贵仓，汪凯. 图像差与加权核范数最小化的压缩图像融合[J]. 计算机工程与科学, 2019, 41(10): 1785-1794.
[9]	李燕,章玥. 基于随机投影与加权稀疏表示残差的光照鲁棒人脸识别方法[J]. 计算机工程与科学, 2018, 40(11): 2015-2022.
[10]	王健1,2,张修飞1,任萍1,院文乐1. 基于增补小波变换和PCNN的NSCT域图像融合算法[J]. 计算机工程与科学, 2018, 40(10): 1822-1828.
[11]	王威1,2，张佳娥1,2. 基于引导滤波和shearlet稀疏的遥感图像融合算法[J]. 计算机工程与科学, 2018, 40(08): 1453-1458.
[12]	杨培1，高雷阜1，王江1，訾玲玲2. 基于稀疏表示与字典学习的彩色图像去噪算法[J]. 计算机工程与科学, 2018, 40(05): 842-848.
[13]	殷俊1,2，杨万扣3. 基于局部表示的分类方法及其人脸识别应用[J]. 计算机工程与科学, 2018, 40(03): 500-506.
[14]	张海燕1,张立毅1,2，孙云山1,2. 基于离散剪切波正则化的低剂量CT图像统计重建算法[J]. 计算机工程与科学, 2018, 40(01): 86-92.
[15]	刘作军，高尚兵. 基于结构化低秩表示和低秩投影的人脸识别算法[J]. 计算机工程与科学, 2018, 40(01): 108-115.