|
1.算法運行效果圖預覽 小波變換融合 
PCA融合 
基于稀疏表示的小波變換多光譜圖像融合算法 
性能指標對比 
2.算法運行軟件版本 matlab2022a 3.算法理論概述 隨著遙感技術的飛速發展，多光譜圖像融合在地球觀測、環境監測、軍事偵察等領域的應用日益廣泛。本文提出了一種基于稀疏表示的小波變換多光譜圖像融合算法，通過結合稀疏表示理論和小波變換的優勢，實現了對多源多光譜圖像的有效融合。文中詳細介紹了該算法的原理、實現步驟及性能評估，并通過實驗驗證了所提算法的有效性。 多光譜圖像融合是指將來自不同傳感器、不同波段的多幅圖像融合成一幅具有更高空間分辨率和更豐富光譜信息的圖像。傳統的多光譜圖像融合方法主要包括基于像素級的融合、基于特征級的融合和基于決策級的融合。然而，這些方法在處理復雜場景和多源數據時往往存在信息損失、光譜失真等問題。 近年來，稀疏表示理論在圖像處理領域得到了廣泛關注。稀疏表示能夠通過學習一組過完備字典中的少量原子來表示信號，從而實現對信號的高效、精確表示。本文將稀疏表示理論引入多光譜圖像融合領域，提出了一種基于稀疏表示的小波變換多光譜圖像融合算法。該算法利用小波變換對圖像進行多尺度分解，然后采用稀疏表示方法對分解后的系數進行融合，最后通過小波逆變換得到融合后的圖像。實驗結果表明，該算法能夠在保持光譜信息的同時，提高空間分辨率，實現對多光譜圖像的高質量融合。 4.部分核心程序 % %讀取數據并顯示
% [MS] = imread('image\MS256.tif');
% [PAN] = imread('image\PAN1024.tif');
% [MS] = imread('image\數據1\low.jpg');
% [PAN] = imread('image\數據1\high.jpg');
% PAN = rgb2gray(imresize(PAN,4));
[MS] = imread('image\數據2\MS.jpg');
[PAN] = imread('image\數據2\PAN.jpg');
PAN = (imresize(PAN,4));
MS_show(:,:,1)=MS(:,:,1);
MS_show(:,:,2)=MS(:,:,2);
MS_show(:,:,3)=MS(:,:,3);
% down_size = 1/4;
% PAN = imresize(PAN,down_size);
%小波變換，得到高頻和低頻系數
figure;
imshow(MS_show);
NAME = 'haar';
R = func_fusion_tops(double(MS_show(:,:,1)),double(PAN),NAME);
G = func_fusion_tops(double(MS_show(:,:,2)),double(PAN),NAME);
B = func_fusion_tops(double(MS_show(:,:,3)),double(PAN),NAME);
%還原
img(:,:,1) = R;
img(:,:,2) = G;
img(:,:,3) = B;
%顯示重構圖像
figure;
subplot(224);
imshow(uint8(img(:,:,1:3)));title('the reconstructed fusion image');
subplot(221);
imshow(img(:,:,1),[]);title('the reconstructed fusion image 1');
subplot(222);
imshow(img(:,:,2),[]);title('the reconstructed fusion image 2');
subplot(223);
imshow(img(:,:,3),[]);title('the reconstructed fusion image 3');
%信息熵
entropy = func_entropy(img(:,:,1));
entropy
%邊緣強度
outval = edge_intensity(img(:,:,1));
outval
%平均梯度
outvals = avg_gradient(img(:,:,1));
outvals
save R3.mat entropy outval outvals
figure;
subplot(131)
imshow(MS_show);title('待融合圖像1');
subplot(132)
imshow(PAN);title('待融合圖像2');
subplot(133)
imshow(uint8(img(:,:,1:3)));title('融合圖像');
|
|
|
