[發明專利]一種基于NSST和參數自適應PCNN的遙感圖像融合方法

在審

• 申請號: 202210656552.2
• 申請日: 2022-06-10
• 公開（公告）號: CN114897757A
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 劉丹鳳;潘月濤;王立國;邢世帥;孟靈鴻;岳曉晗
• 申請（專利權）人: 大連民族大學
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06T7/90;G06N3/04;G06N3/08
• 代理公司: 北京圣州專利代理事務所(普通合伙) 11818
• 代理人: 黃青青

1.一種基于NSST和參數自適應PCNN的遙感圖像融合方法，其特征在于，包括以下步驟：

S1、自適應加權平均計算多光譜強度分量：采用基于加權拉普拉斯能量和的自適應加權平均方法，用于多光譜圖像各波段融合生成強度分量I，加權拉普拉斯能量和利用水平、垂直以及主副對角線方向的八鄰域內多個像素點，依據距離中心像素距離賦予恰當的權重，加權之后參與計算，加權拉普拉斯能量和作為空間域的清晰度、邊緣特征信息指標，能量和較大的像素被認為是權重更大的信息，在融合過程中賦予更大的權重，根據加權拉普拉斯能量和設計自適應加權平均的系數ω_i：

其中n是多光譜圖像的波段，WSML_i表示多光譜圖像第i個波段的加權拉普拉斯能量和；

S2、光譜估計：

將I作為初始α通道，根據如下公式計算前景圖像F和背景圖像B，F和B包含光譜信息，后續步驟是通過融合從全色圖像中獲得空間細節信息：

其中i是第i顏色通道，α_ix和α_iy值是光譜前景F^k、光譜背景B^k和α的水平和垂直導數；

S3、NSST分解：

對I和全色圖像分別進行NSST分解，得到相應的不同尺度和方向的子帶系數,后續根據低頻子帶系數和各高頻子帶系數特點，實施不同的融合策略；

S4、低頻系數融合：

將加權拉普能量和以及局部多向梯度結合起來的融合規則，融合規則表示如下：

C＝w_IM+w_PP (4)

M和LMG_I，SML_I，w_I分別表示I的低頻系數、局部多方向梯度值、加權的拉普拉斯能量和、融合權重，P和LMG_P，SML_P，w_P表示全色圖像的低頻系數、局部多方向梯度值、加權的拉普拉斯能量和、融合權重，C為融合結果；

采用局部多向梯度和加權拉普拉斯能量和結合的自適應加權平均融合規則，對低頻系數進行融合，得到低頻融合系數和其中和為低頻子帶系數，和表示第j個尺度，第n個方向高頻子帶系數；

S5、高頻系數融合：

將參數自適應脈沖耦合神經網絡(PA-PCNN)模型引入到圖像融合過程，采用局部多方向梯度激勵的參數自適應脈沖耦合神經網絡作為融合規則融合高頻系數，將每個高頻系數的局部多方向梯度值作為PCNN的輸入，PCNN模型中有5個自由參數：α_f，β，V_L，V_E，α_e，用λ＝βV_L表示加權的連接強度，模型中的自由參數根據輸入信息進行自適應計算，以下公式為具體計算方法：

其中σ(S)為范圍[0,1]的輸入圖像S的標準差，S'和S_max分別表示歸一化后的最大類間方差法閾值和輸入圖像的最大強度，當達到最大迭代次數時，迭代停止，得到I和全色圖像的各個高頻系數的點火次數總和和采用點火次數取大進行融合，得到高頻系數的融合結果融合規則如下：

式中，j、n分別是圖像的分解級數和方向數，代表像素點(x,y)處融合后的高頻系數值，代表I中像素點(x,y)處的高頻系數值，代表全色圖像中像素點(x,y)處的高頻系數值；

S6、對融合后的系數進行NSST逆變換：將高頻系數和低頻系數的融合結果，進行NSST逆變換，得到變換結果Fused，作為最終參與重構的α'；

S7、圖像重構:根據如下公式，通過組合α'、F和B來重構得到最終的融合結果:

I_i＝α_iF_i+(1-α_i)B_i (12)

其中F_i是第i個像素的前景顏色，B_i是第i個像素的背景顏色，I_i第i個像素的顏色。