基于SIDWT的SAR影像与光学影像的融合算法研究.docx

基于SIDWT的SAR影像与光学影像的融合算法研究
摘要
合成孔径雷达（SyntheticApertureRadar，SAR）影像和光学影像在不同应用领域具有广泛的应用。然而，两种影像存在天气、时间、分辨率等诸多限制，因此需要对其进行融合。传统的影像融合算法会导致信息的丢失和模糊，本文提出一种基于SIDWT的SAR影像与光学影像融合算法。该算法对SAR影像进行小波变换，将其分解为低频、高频子带，通过阈值处理去除噪声，再将其与光学影像进行加权融合，实现影像融合。实验结果表明，该算法能够有效地提高影像融合质量，保持SAR影像的较高分辨率和光学影像的丰富信息。
关键词：SAR影像；光学影像；融合；小波变换
Abstract
Syntheticapertureradar(SAR)imageryandopticalimageryhavebeenwidelyusedindifferentapplicationfields.However,bothtypesofimageryhavelimitationssuchasweather,timeandresolution,andthereforeneedtobefused.Traditionalimagefusionalgorithmsmayresultininformationlossandblur.Inthispaper,afusionalgorithmforSARimageandopticalimagebasedonSIDWTisproposed.ThealgorithmdecomposesSARimageintolow-frequencyandhigh-frequencysubbandsthroughwavelettransform,removesnoisethroughthresholding,andthenfusesitwithopticalimagethroughweighting.ExperimentalresultsshowthattheproposedalgorithmcaneffectivelyimprovethequalityofimagefusionandmaintainthehighresolutionofSARimageandrichinformationofopticalimage.
Keywords:SARimage;opticalimage;fusion;wavelettransform
1.引言
合成孔径雷达（SyntheticApertureRadar，SAR）影像和光学影像在军事、气象、环境等领域有着广泛的应用。SAR影像具有穿透云层雾霾、天气条件好、周日夜都可以获得等特点，能够获取地物高分辨率的信息。分类、目标检测和识别等任务在SAR影像上进行。光学影像则具有丰富的颜色信息和纹理信息，便于对地物进行常规刻画和图像分析。两种影像各自有其优缺点，因此需要对其进行融合，实现信息的优化和全面解读。
目前，影像融合技术主要采用基于变换的方法和基于像素的方法两类。基于变换的方法包括小波变换、PrincipalComponentAnalysis(PCA)变换、IndependentComponentAnalysis(ICA)变换等，其主要思路是将原始影像分解为不同的频率子带或主成分，再进行融合得到高质量影像。基于像素的方法则是直接对原始影像进行融合处理，包括加权处理、平均法、多分辨率分解等。这些方法相对简单，但容易造成部分信息的遗漏或过度处理。本文提出一种基于SIDWT的SAR影像与光学影像融合算法，有效地整合了两种影像的优点，提高了影像分辨率和信息量。
2.算法原理
2.1小波变换
小波变换是现代信号处理的重要工具之一，其中StationaryWaveletTransform(SWT)和DiscreteWaveletTransform(DWT)是常见的两种。DWT将信号分解为低频和高频子带，反映了信号不同频率的特征。在图像处理中，对图像进行小波分解可以获得低频和高频子带，其中低频子带对应于图像中的平滑部分，而高频子带对应于图像中的细节和纹理部分。DWT比SWT具有计算速度快，程序实现容易的优点，因此本文采用DWT对SAR影像进行分解。
2.2异同提取
SAR影像与光学影像之间存在巨大的差异，数据类型不同，因此需要进行异同提取。异同提取是指对两幅图像相似的地方作为共同部分，不同的地方作为不同部分，从而形成最终融合结果。本文采用高斯模糊算子对光学影像中的高频细节进行模糊处理，从而降低与SAR影像的不一致性。
2.3双边滤波
双边滤波是一种保边缘特点的模糊处理方法，它在考虑图像灰度值差异的同时，还考虑了像素之间的距离差异，从而可以更好地保持图像的细节和边缘信息。本文采用