基于遥感图像融合的目标检测算法

基于遥感图像融合的目标检测算法

ID:36806828

大小:369.96 KB

页数:4页

时间:2019-05-15

基于遥感图像融合的目标检测算法_第1页
基于遥感图像融合的目标检测算法_第2页
基于遥感图像融合的目标检测算法_第3页
基于遥感图像融合的目标检测算法_第4页
资源描述:

《基于遥感图像融合的目标检测算法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、维普资讯http://www.cqvip.com第14卷第4期模式识别与人工智能V0I14No42991年12月PR&AIDec2001基于遥感图像融合的目标检测算法王海晖彭嘉雄李峰(华中科学技术大学图像信息处理与智能控制教育部重点实验室图像识别与人工智能研究所武汉430074)摘要在一些遥感图像中由于目标不清晰或背景复杂,使得目标的检测变得困难图像融合可咀把来自多传感器的图像信息综台起来,提高对图像信息分析和提取的能力.通过把同一日标的不同传感器获得的图像数据利用小波包变换进行融合,这种方法能够很好地将多源图像的细节融合在一起,

2、得到目标较为清晰的融台图像在此基础上利用数学形态学的方法进行目标检测,得到了满意的效果,证明了这种方法的有效性关键词图像融合,小波包变换,目标检测,数学形态学中图法分类号TP391引言分解和重建算法的融合方法,主要有拉普接斯金字塔(LaplaeianPyramid)法以及梯度金字塔(GradientPyramid)法等.还有一类方法就是近几年兴起的基在遥感图像理解中,图像的目标检测是图像分于小波变换的图像融合方法,它通常采用多分辨分析和识别的前提与基础,它在军事侦察、军事目标识析和Mallat快速算法,将原始图像利用小波变换分别、

3、地球遥感图像分析等诸多领域都有着很重要的解成近似图像和细节图像,分别代表图像的不同结应用.但是在遥感成像系统中,由于受分辨极限、成构,通过在各层的特征域上进行有针对性的融合,比像系统的传递函数、信噪比等多个方面的限制,使得较容易提取原始图像的结构信息和细节信息,所以图像不是很清晰;另外,有一些遥感图像由于背景很融合效果较好.此外,小波变换具有完善的重构能复杂或目标相对较小,使榆测变得困难.随着遥感技力,保证信号在分解重构过程中没有信息损失和信术的发展,由不同物理特性的传感器所产生的遥感息冗余产生.但是多分辨分析只是对低频部分(即近

4、图像不断增多,因此综合利用同一目标不同传感器似图像部分)进行进一步分解,而对高频部分(即细获得的多幅图像进行数据提取和分析已经成为遥感节图像部分)则不予以考虑.这样就不能更有效地对领域研究的一个重要手段.遥感应用的许多研究工图像,尤其是包含大量细节的遥感图像进行分解.所作表明,通过融合不同的遥感图像,充分利用它们在以,本文采用一种更为丰富和精确的图像分析方法时间上和空间上的互补和冗余,有效地把不同传感——小波包分析法来对遥感图像进行融合.器的优点结合起来,可以提高对图像信息分析和提取的能力0因此,通过将不同的遥感图像进行融2小波包

5、变换分析合,得到新的融合图像,并在此基础上进行目标检测会得到好的效果.图像的小波多分辨分析(WaveletMulti—resolu—图像融合算法大体上可分为三类l30J:一类是tionAnalysis)采用离散小波变换(DiscreteWavelet传统的简单融合方法,包括简单的将空间对准的两Trans{om(DwT)),它为图像分析提供了强有力的幅图像求平均、以及IHS(Intensity—HueSaturation)工具_6J.离散小波变换通过一组低通分解滤波器法、HPF(HIgh—PassFilter)法和PCA(Princ

6、ipalCom—(G)和高通分解滤波器(H)对图像进行离散小波分pon~altAnalysis)法等.另一类方法是基于金字塔式解.小波变换将原始图像数据按不同频带和分辨率*国家自然科学基金、国肪科技预研基金资助项目收稿日期:2001—06~21维普资讯http://www.cqvip.com4期王海晖等:基于遥感图像融合的目标检测算法分解成于带图像,每一层小波分解成4个子带:垂直时频分辨率.因此小波包具有更广泛的应用价值.和水平方向低频的子带((即低频部分,显示为近在多分辨分析中,L(R)='wJ,表明多分辨似图像),水平方向低频

7、和垂直方向高频的子带GH分析是按照不同的尺度因子把空间L(R)分解为(即高频部分,显示为垂直高频图像),垂直方向低频所有子空问(J∈z)的正交和的其中,为小和水平方向高频的子带HG(即高频部分,显示为水波函数p(t)的闭包(小波子空间)现在.我们进一平高频图像).垂直和水平方向高频的子带州(即步对小被子空间按照二进制进行频率的细分.以高频部分.相当于45度斜线方向高频图像)图1给达到提高频率分辨率的目的我们将尺度子空间出了3层小波分解的示意图.分解后四个图像的大和小波子空间.用一个新的子空间【统一起来表小是相同的.小波分解对每一层

8、所得到的低频分量TT0一,、GG可以继续进行下一个尺度的分解,但对其余的高征,令J∈z0正交分解v】频部分则不再分解下去通过另一组低通重构滤波:$即可用L的分解统一为器(()和奇通重构滤波器(H)可以逐级重构出图像:7·u¨+『=U0u,∈Z(1)

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。