一种基于结构相似度的IHS与小波变换相结合的遥感影像融合算法.docx

一种基于结构相似度的IHS与小波变换相结合的遥感影像融合算法
近年来，遥感影像融合技术在遥感应用领域中得到了广泛的应用。为了能够有效地利用多源遥感数据，提高遥感数据的信息提取能力和分析精度，遥感影像融合成为了研究热点。在众多的遥感影像融合算法中，结构相似性(SimilarityinStructure,SSIM)是一种较好的评价指标。同时，小波变换是一种广泛应用于遥感影像融合的技术。因此，本文提出了一种基于结构相似度的IHS与小波变换相结合的遥感影像融合算法。
1.算法原理
本文算法主要包括3个步骤：IHS变换、小波分解、结构相似度计算。具体如下：
(1)IHS变换
将彩色遥感影像从R、G、B三个通道转换为强度、色彩饱和度和色调三种通道的IHS空间，即将RGB空间转换为IHS空间。在IHS空间，像素值的变化可以视为与物体的表面照度和反射率有关，这种变换方式比RGB模型更符合人眼的感知。
(2)小波分解
将IHS空间中的强度分解为几个小波系数，其中LL表示低频部分，HH表示高频部分，HL和LH表示水平和垂直高频。其作用是通过分离出低频部分和高频细节，来实现有效的图像压缩和特征提取。
(3)结构相似度计算
结构相似度是一种广泛应用于图像质量评价的指标，其计算方式为：
SSIM(x,y)=({2μxμy+C1)(2σxy+C2)}/{(μx^2+μy^2+C1)(σx^2+σy^2+C2)}
其中，x、y表示原始图像和融合图像，μx、μy分别为x、y图像的均值，σx、σy分别为x、y图像的标准差，σxy为x、y图像的协方差，C1和C2是常数用于避免除零等问题。
2.算法实验
本算法使用了SPOT5卫星影像进行实验，将RGB图像转换为IHS空间，进行小波分解，根据高频系数和结构相似度计算，进行加权融合，最终得到了融合后的影像结果。
图1：RGB图像
图2：IHS图像
图3：融合图像
通过和其他常规方法进行对比，表明本文算法在保留较多细节信息的同时，也能够在视觉上提高图像质量。
3.结论
本文提出了一种基于结构相似度的IHS与小波变换相结合的遥感影像融合算法。该算法可以同时保留原始影像的颜色信息和纹理细节，并在视觉上提高了图像质量。实验结果表明本算法优于传统的融合方法，在处理遥感影像方面具有一定的优势。