金延薇

摘 要 遙感圖像融合技術(shù)隨著多尺度幾何分析技術(shù)的快速發(fā)展和應(yīng)用，使得遙感圖像融合準(zhǔn)確度和正確性不斷提高。本文以Curvelet為例，進(jìn)行了Curvelet圖像融合實驗，與基于小波變換（Wavelet）圖像融合算法進(jìn)行對比實驗，實驗結(jié)果表明：Curvelet變換的融合方法能在保留多光譜影像的光譜信息的同時增強了融合影像的空間細(xì)節(jié)表現(xiàn)能力，提高了融合影像的信息量。Curvelet融合效果優(yōu)于Wavelet方法。

關(guān)鍵詞 小波變換 多尺度幾何分析 Curvelet變化 遙感圖像融合

中圖分類號：TP751 文獻(xiàn)標(biāo)識碼：A

0引言

圖像承載主體經(jīng)歷了紙質(zhì)、模擬信號和數(shù)字圖像3個階段，數(shù)字圖像出現(xiàn)使圖像量化分析方法得到快速發(fā)展。我們希望能夠從圖像中獲得更多有用的信息，尤其是從遙感圖像中。以前，通常使用Wavelet技術(shù)提取圖像的特征，但是Wavelet的方向是正交化的，很難提取更多方向的特征，多尺度幾何分析應(yīng)運而生。多尺度幾何分析是一種新的圖像稀疏表示方法，它能夠?qū)D像多維度特征進(jìn)行顯示，并且能夠?qū)饣姆侄魏瘮?shù)最優(yōu)逼近。

1實驗及結(jié)果分析

1.1圖像融合實驗

為了驗證Curvelet變換在圖像融合過程中的有效性，在MATLAB 7.0環(huán)境下進(jìn)行了仿真實驗。實驗采用了256€？56像素大小的圖像，灰度等級均為256級的高分辨率全色影像和低分辨率多光譜影像。為了對比融合效果，選取了基于Wavelet圖像融合算法進(jìn)行對比實驗。

基于Curvelet變換遙感圖像融合的過程：讀取高分辨率圖像與多光譜圖像，將高分辨率圖像由RGB轉(zhuǎn)換為灰度圖，進(jìn)行直方圖修正，生成與多光譜的亮度分量圖有相似直方圖特征的圖像，進(jìn)行雙精度化后，賦值給新的全色RGB；在多光譜圖像中，把三維圖像分解為3個二維圖像；分別對多光譜圖像和全色圖像進(jìn)行Curvelet變換，進(jìn)行4層分解，分為32個方向；對低頻子帶采用加權(quán)平均法進(jìn)行融合，對除了最細(xì)尺度下的高頻子帶融合，融合規(guī)則為：If多光譜高頻Curvelet系數(shù) >全色高頻Curvelet系數(shù)，then新的高頻Curvelet系數(shù)=多光譜高頻Curvelet系數(shù)+全色高頻Curvelet系數(shù)，If多光譜高頻Curvelet系數(shù) <全色高頻Curvelet系數(shù)，then新的高頻Curvelet系數(shù)=全色高頻Curvelet系數(shù)，對最細(xì)尺度下的高頻子帶融合，新的高頻Curvelet系數(shù)=全色高頻Curvelet系數(shù)；將最終得到的新的高頻Curvelet系數(shù)和低頻Curvelet系數(shù)進(jìn)行Curvelet逆變換，即得到融合后的圖像。

1.2實驗結(jié)果分析

（1）如圖1，從視覺效果上來看，基于Wavelet圖像融合沒有很好的體現(xiàn)出地貌如建筑、道路和植被的圖像細(xì)節(jié)，基于Curvelet的融合算法對圖像能夠保持較好的融合效果。

（2）除了進(jìn)行目視比較之外，還對融合圖像質(zhì)量進(jìn)行定量分析， 在兩種融合方法中，基于Curvelet變換的圖像融合方法的信息熵最大，保留了比Wavelet融合方法更多的全色影像的空間信息，是兩種融合方法中信息量較大的。

（3）從圖像清晰度方面看，基于Curverlet變換融合的圖像的平均梯度和圖像清晰度都遠(yuǎn)遠(yuǎn)大于Wavelet融合方法，說明基于Curvelet變換融合后的圖像質(zhì)量提高得更好，且融合后的圖像中微小細(xì)節(jié)反差和紋理變換特征反映得也更好。

2總結(jié)

本文主要對當(dāng)前流行的Curvelet多尺度幾何分析方法在遙感圖像融合中進(jìn)行了實驗，通過與Wavelet的比較，定量和定性地證明了Curvelet融合方法效果的優(yōu)越性。

參考文獻(xiàn)

[1] Liu Y，Jin J，Wang Q，et al.Region level based multi-focus image fusion using quaternion wavelet and normalized cut[J].Signal Processing，2014（97）：9-30.

[2] Do M N，Vetterli M.The finite ridgelet transform for image representation[J].IEEE Transactions on image Processing，2003，12（1）：16-28.

[3] Candes E J，Donoho D L.Curvelets：A surprisingly effective nonadaptive representation for objects with edges[R].Stanford Univ Ca Dept of Statistics，2000.