摘要：为有效融合多光谱图像的光谱信息和全色图像的空间细节信息，提出了一种基于混沌蜂群优化和改进脉冲耦合神经网络（PCNN）的非下采样Shearlet变换（NSST）域图像融合方法。首先对多光谱图像进行Intensity-Hue-Saturation（IHS）变换，全色图像的直方图按照多光谱图像亮度分量的直方图进行匹配；然后分别对多光谱图像的亮度分量和新全色图像进行NSST变换，对低频分量使用改进加权融合算法进行融合，以互信息作为适应度函数，利用混沌蜂群算法找到最优加权系数。对高频分量采用改进脉冲耦合神经网络（PCNN）方法进行融合，再经NSST逆变换和IHS逆变换得到融合图像。本文方法在主观视觉效果和信息熵、光谱扭曲度等客观定量评价指标上优于基于IHS变换、基于非下采样Contourlet变换（NSCT）和非负矩阵分解（NMF）、基于NSCT和PCNN等5种融合方法。本文方法在提升图像空间分辨率的同时，有效地保留了光谱信息。摘要：为有效融合多光谱图像的光谱信息和全色图像的空间细节信息，提出了一种基于混沌蜂群优化和改进脉冲耦合神经网络（PCNN）的非下采样Shearlet变换（NSST）域图像融合方法。首先对多光谱图像进行Intensity．Hue—Saturation（IHS）变换，全色图像的直方图按照多光谱图像亮度分量的直方图进行匹配；然后分别对多光谱图像的亮度分量和新全色图像进行NSST变换，对低频分量使用改进加权融合算法进行融合，以互信息作为适应度函数，利用混沌蜂群算法找到最优加权系数。对高频分量采用改进脉冲耦合神经网络（PCNN）方法进行融合，再经NSST逆变换和IHS逆变换得到融合图像。本文方法在主观视觉效果和信息熵、光谱扭曲度等客观定量评价指标上优于基于IHS变换、基于非下采样Contourlet变换（NSCT）和非负矩阵分解（NMF）、基于NSCT和PCNN�
分类：期刊> 自然科学与工程技术> 基础科学> 自然地理学测绘学
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > EI 工程索引(美) > JST 日本科学技术振兴机构数据库(日) > Pж(AJ) 文摘杂志(俄) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：图像融合 多光谱与全色图像 非下采样shearlet变换 混沌蜂群优化 改进的脉冲耦合神经网络
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
