基于pca變換與小波變換的遙感圖像融合方法

基于pca變換與小波變換的遙感圖像融合方法

ID:33938019

大?。?.13 MB

頁(yè)數(shù):7頁(yè)

時(shí)間:2019-02-28

基于pca變換與小波變換的遙感圖像融合方法_第1頁(yè)
基于pca變換與小波變換的遙感圖像融合方法_第2頁(yè)
基于pca變換與小波變換的遙感圖像融合方法_第3頁(yè)
基于pca變換與小波變換的遙感圖像融合方法_第4頁(yè)
基于pca變換與小波變換的遙感圖像融合方法_第5頁(yè)
資源描述:

《基于pca變換與小波變換的遙感圖像融合方法》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、第43卷第7期紅外與激光工程2014年7月Vol.43No.7InfraredandLaserEngineeringJul.2014基于PCA變換與小波變換的遙感圖像融合方法111,2伊力哈木·亞爾買買提,謝麗蓉,孔軍(1.新疆大學(xué)電氣工程學(xué)院,新疆烏魯木齊830047;2.江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院,江蘇無(wú)錫214122)摘要:針對(duì)傳統(tǒng)的PCA變換遙感圖像融合技術(shù)會(huì)丟失部分多光譜遙感圖像的光譜信息變量,從而造成光譜圖像信息域的失真問(wèn)題提出了基于PCA變換與小波變換的遙感圖像融合方法。該方法首先提出多光譜遙感圖像信息域的各波段相關(guān)矩陣的特征值變量和特征向量域,對(duì)多光譜圖像

2、進(jìn)行主分量的變換,繼而求得各主分量變量;然后將非灰度圖像與多光譜圖像信息域的首個(gè)主分量做直方圖信息變量的匹配,利用小波變換融合方法來(lái)實(shí)現(xiàn)多光譜圖像信息變量的首個(gè)主分量與非灰度圖像的融合,其多光譜圖像的首個(gè)主分量被融合結(jié)果來(lái)替代;最后對(duì)多光譜圖像信息變量的3個(gè)主分量變量作逆主分量變換得到所需的最終融合圖像信息域。仿真實(shí)驗(yàn)表明,該方法使最終融合的圖像在多光譜信息的保持與空間細(xì)節(jié)信息的增強(qiáng)兩個(gè)方面的綜合性能均得到提高。關(guān)鍵詞:PCA變換;小波變換;第一主分量中圖分類號(hào):TN911.73文獻(xiàn)標(biāo)志碼:A文章編號(hào):1007-2276(2014)07-2335-06Remotese

3、nsingimagefusionbasedonPCAtransformandwavelettransform111,2Yilihamu·Yaermaimaiti,XieLirong,KongJun(1.CollegeofElectricalEngineering,XinjiangUniversity,Urumqi830047,China;2.SchoolofInternetofThingsEngineering,JiangnanUniversity,Wuxi214122,China)Abstract:ThetraditionalPCAimagefusioncanpro

4、ducemulti-spectralimageinformationvariablelossinremoteimagefusion.Aimtoit,anewalgorithmofremotesensingimagefusionbasedonPCAandwavelettransformwasproposedinthispaper.Firstly,principalcomponenttransformationformulti-spectralimagewasperformedbyeigenvaluesandeigenvectorsineachwaveband.Secon

5、dly,thefirstnonprincipalcomponentofnon-grayimageandmultispectralimagewerematchedinhistograminformation.Finally,inversePCAtransformwascarriedoutforthreeprincipalcomponentstoobtainthedesiredfusionimage.Experimentalresultsshowtheproposedalgorithmdoesnotonlymaintainmultispectralinformationb

6、utalsoenhancedtheprocessedimagedetails,andtheprocessedimagehasbettersubjectivevisualeffectandobjectivequantitativeindicators.Keywords:PCAtransform;wavelettransform;thefirstprincipalcomponent收稿日期:2013-11-10;修訂日期:2013-12-25基金項(xiàng)目:國(guó)家自然科學(xué)基金(51264036,61362030);新疆大學(xué)校院聯(lián)合資助項(xiàng)目(XY110133);新疆維吾爾自治區(qū)自然

7、科學(xué)基金(201233146-6);新疆維吾爾自治區(qū)高??蒲杏?jì)劃重點(diǎn)項(xiàng)目(XJEDU2012I08)作者簡(jiǎn)介:伊力哈木·亞爾買買提(1978-),男,講師,碩士生,主要從事圖像信息處理、人臉識(shí)別、模式識(shí)別方面的研究。Email:xjgxy2001@sina.com導(dǎo)師簡(jiǎn)介:謝麗蓉(1969-),女,副教授,碩士,主要從事控制系統(tǒng)優(yōu)化設(shè)計(jì)方面的研究。Email:wzywwwxr@163.com2336紅外與激光工程第43卷變量之間為重點(diǎn),很多非不變量的測(cè)量有效值集中0引言了很多詳細(xì)指標(biāo)來(lái)描述其全面的完善方法,其正交變換是在非最大均方誤差意義上最優(yōu)的。對(duì)

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。