NSST域内基于压缩感知和PCNN的遥感图像融合.docx

NSST域内基于压缩感知和PCNN的遥感图像融合
标题：基于压缩感知和PCNN的遥感图像融合
摘要：
遥感图像融合是一种有效的手段，能够获得多源遥感图像的综合信息。本论文在NSST域内基于压缩感知和PCNN（脉冲耦合神经网络）的遥感图像融合进行了研究。首先，介绍了遥感图像融合的背景和研究现状。然后，详细阐述了NSST域、压缩感知以及PCNN的原理及其在遥感图像融合中的应用。接下来，提出了基于压缩感知和PCNN的遥感图像融合方法，并对其进行了实验验证。最后，总结了本论文的研究成果，并对未来的研究方向进行了展望。
1.引言
遥感图像融合是将来自于不同传感器或不同时间的多幅遥感图像综合起来，形成一幅多分辨率、多尺度的合成图像，以提供更为全面、准确的地物信息。在遥感图像融合中，如何保持原始图像的空间结构和图像边缘信息成为一个关键问题。
2.相关研究
目前，遥感图像融合已经涌现出许多方法和算法。常用的融合方法包括基于变换的融合方法（如小波变换、同态滤波等）、基于分解的融合方法（如PCA、ICA等）以及像素级融合方法。然而，这些方法在保持空间结构和边缘信息方面存在一定的不足。
3.NSST域、压缩感知和PCNN的原理
NSST（nonsubsampledshearlettransform）是一种多分辨率分析方法，能够很好地提取图像的几何结构信息和边缘信息。压缩感知是一种通过对信号进行稀疏表示，再通过最小化稀疏表示结果与原始数据之间的误差来重构信号的方法。PCNN是一种生物启发式的神经网络模型，能够模拟人类视觉系统的响应特性。
4.基于压缩感知和PCNN的遥感图像融合方法
本文提出了一种基于压缩感知和PCNN的遥感图像融合方法。首先，将原始图像分别用NSST域表示，并利用压缩感知方法求解图像的稀疏表示。然后，通过PCNN模型对稀疏表示结果进行处理，进而得到融合后的图像。最后，对融合图像进行后处理，以获得最终的融合结果。
5.实验与分析
对于验证本文方法的有效性，使用了不同类型的遥感图像进行实验。通过与其他融合方法进行比较，实验结果表明，本文提出的基于压缩感知和PCNN的遥感图像融合方法在保持空间结构和边缘信息方面具有较好的性能。
6.总结与展望
本文在NSST域内基于压缩感知和PCNN的遥感图像融合进行了研究。实验结果表明，本文方法能够有效地保持图像的空间结构和边缘信息。但是，仍然存在一些需要进一步研究的问题，如更好地处理图像的细节信息、提高融合结果的主客观质量等。因此，未来的工作可以探索和改进更多的图像特征提取方法，并将其融合到本文的方法中，以进一步提高遥感图像融合的性能。
关键词：遥感图像融合；NSST域；压缩感知；PCNN；空间结构；边缘信息