[發(fā)明專(zhuān)利]基于方向波域隱馬爾可夫樹(shù)模型的遙感圖像融合方法有效
| 申請(qǐng)?zhí)枺?/td> | 201310093147.5 | 申請(qǐng)日: | 2013-03-21 |
| 公開(kāi)(公告)號(hào): | CN103198456A | 公開(kāi)(公告)日: | 2013-07-10 |
| 發(fā)明(設(shè)計(jì))人: | 白靜;焦李成;王爽;趙白妮;馬晶晶;馬文萍;李陽(yáng)陽(yáng) | 申請(qǐng)(專(zhuān)利權(quán))人: | 西安電子科技大學(xué) |
| 主分類(lèi)號(hào): | G06T5/00 | 分類(lèi)號(hào): | G06T5/00 |
| 代理公司: | 陜西電子工業(yè)專(zhuān)利中心 61205 | 代理人: | 王品華;朱紅星 |
| 地址: | 710071*** | 國(guó)省代碼: | 陜西;61 |
| 權(quán)利要求書(shū): | 查看更多 | 說(shuō)明書(shū): | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 方向 波域隱馬爾可夫樹(shù) 模型 遙感 圖像 融合 方法 | ||
1.一種基于方向波域隱馬爾可夫樹(shù)模型的遙感圖像融合方法,包括如下步驟:
(1)將多光譜圖像由紅-綠-藍(lán)RGB空間變換到色度-亮度-飽和度HIS空間,得到色度H、亮度I、飽和度S三個(gè)分量;
(2)將全色圖像與亮度I分量進(jìn)行直方圖匹配,使新的全色圖像與亮度I分量具有較強(qiáng)的相關(guān)性;
(3)對(duì)新的全色圖像和亮度I分量分別進(jìn)行Directionlet變換,得到新的全色圖像和亮度I分量的低頻系數(shù)和高頻系數(shù);
(4)對(duì)新的全色圖像的Directionlet高頻系數(shù)和亮度I分量的Directionlet高頻系數(shù)分別建立HMT模型,并構(gòu)造新的全色圖像的模型參數(shù)集θ1和亮度I分量的模型參數(shù)集θ2;
(5)利用期望最大算法即EM算法分別對(duì)新的全色圖像的模型參數(shù)集θ1和亮度I分量的模型參數(shù)集θ2進(jìn)行訓(xùn)練,得到所述θ1的估計(jì)值和所述θ2的估計(jì)值根據(jù)θ1計(jì)算新的全色圖像的每個(gè)Directionlet高頻系數(shù)的后驗(yàn)概率PA,根據(jù)計(jì)算亮度I分量的每個(gè)Directionlet高頻系數(shù)的后驗(yàn)概率PB;
(6)根據(jù)新的全色圖像的后驗(yàn)概率PA和亮度I分量的后驗(yàn)概率PB,對(duì)新的全色圖像的Directionlet高頻系數(shù)和亮度I分量的Directionlet高頻系數(shù)采用顯著性測(cè)量的融合規(guī)則進(jìn)行融合,得到新的亮度I分量的Directionlet高頻系數(shù)
(7)對(duì)新的全色圖像的Directionlet低頻系數(shù)和亮度I分量的Directionlet低頻系數(shù)采用基于遺傳算法的融合規(guī)則,得到新的亮度I分量的Directionlet低頻系數(shù)
(8)對(duì)上述新的亮度I分量的Directionlet低頻系數(shù)和高頻系數(shù)進(jìn)行Directionlet逆變換,得到新的亮度I分量;
(9)將上述得到的新的亮度I分量與色度H、飽和度S分量相結(jié)合,由色度-亮度-飽和度HIS空間反變換到紅-綠-藍(lán)RGB空間,即可得到最終融合圖像。
2.根據(jù)權(quán)利要求1所述的多光譜與全色遙感圖像融合方法,其中步驟(3)所述的對(duì)新的全色圖像和亮度I分量分別進(jìn)行Directionlet變換,按如下步驟進(jìn)行:
(2a)給出一組為±30°,±45°,±60°,0°,90°的方向,并從給出的方向中任意選擇兩個(gè)分別作為變換方向和隊(duì)列方向,構(gòu)造采樣矩陣MΛ,
其中,x1,x2,y1,y2是構(gòu)成采樣矩陣MΛ的四個(gè)整數(shù)元素值,x1和y1由變換方向的斜率確定,x2和y2由隊(duì)列方向的斜率確定,向量d1和d2分別為沿變換方向和隊(duì)列方向的向量;
(2b)基于整數(shù)格理論通過(guò)采樣矩陣MΛ將新的全色圖像和亮度I分量依次劃分為關(guān)于整數(shù)格Λ的|det(MΛ)|個(gè)陪集,每一個(gè)陪集對(duì)應(yīng)一個(gè)位移矢量sk=(sk1,sk2),其中Λ是由被劃分的圖像構(gòu)成的整數(shù)格,表達(dá)式為Λ={c1d1+c2d2,c1,c2∈Z},|det(MΛ)|是采樣矩陣MΛ的行列式的絕對(duì)值,k=0,1,2,...,|det(MΛ)|-1,sk1,sk2∈Z,Z為整數(shù)域;
(2c)對(duì)每個(gè)陪集沿變換和隊(duì)列方向分別進(jìn)行兩次和一次一維正交小波變換,得到相應(yīng)的高頻和低頻子帶。
該專(zhuān)利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專(zhuān)利權(quán)人授權(quán)。該專(zhuān)利全部權(quán)利屬于西安電子科技大學(xué),未經(jīng)西安電子科技大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買(mǎi)此專(zhuān)利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201310093147.5/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專(zhuān)利網(wǎng)。
- 一種遙感影像融合方法
- 基于小波域隱馬爾科夫樹(shù)模型的圖像分割方法
- 一種基于小波域統(tǒng)計(jì)信號(hào)的圖像融合處理方法
- 一種多物理域特征信息融合方法
- 基于HMM和決策樹(shù)的阿拉伯語(yǔ)光學(xué)字母識(shí)別方法
- 基于剪切波域隱馬爾可夫樹(shù)模型的遙感圖像去噪方法
- 分布式光纖測(cè)溫系統(tǒng)的降噪方法及裝置
- 一種變換域HMT模型的腦磁共振體數(shù)據(jù)自適應(yīng)增強(qiáng)方法
- 基于馬爾可夫模型和哈夫曼編碼的文本隱寫(xiě)方法及裝置
- 一種基于小波神經(jīng)網(wǎng)絡(luò)與隱馬爾科夫模型的故障預(yù)測(cè)方法





