基于各向异性GGF与自适应PCNN的NSST域图像融合

摘要

为提高多光谱和全色图像的融合效果，提出一种基于各向异性梯度域引导滤波器和自适应脉冲耦合神经网络的非下采样剪切波变换NSST域图像的融合方法。首先，将MS图像从RGB转换为YUV颜色空间，并对亮度分量Y和PAN图像进行NSST多尺度分解。其次，对于低频子带，将PAN低频子带作为引导图，采用AnisGGF对Y分量的低频子带注入空间信息；对于高频子带，引入由方差确定链接强度的PAPCNN融合策略。最后，进行逆NSST和YUV变换获得融合图像。在GeoEye、GF-2和GF-6卫星图像上与4种传统方法进行比较实验的结果表明，所提方法的空间细节保持和光谱信息保真能力更强，平均性能相较于SE、NSCT-PCNN、ISCM和GF分别提高68.24%、25.8%、22.05%和12.28%。该方法可为图像融合领域提供新的解决方法，能显著提高图像融合效果。

0 引言

高分辨率图像在国土空间规划、环境监测、场景解译、目标识别等领域均起到非常重要的作用，但由于传感器技术限制，目前无法获得既保留多光谱信息，又具有高分辨的空间细节信息的图像。