一种基于IHS和DWT变换的遥感图像融合方法.docx

一种基于IHS和DWT变换的遥感图像融合方法
摘要：遥感图像融合一直是遥感图像处理技术领域的热点。当前的遥感图像融合方法主要包括像元级融合方法、特征级融合方法和决策级融合方法。本文提出一种基于IHS和DWT变换的遥感图像融合方法。首先，对于IHS变换，将遥感图像分解为亮度、色调和饱和度三个分量；然后，对色调分量进行DWT变换，提取出高频和低频信息；接着，将高频信息融合，再将低频信息融合即可得到融合图像。实验结果表明：本文提出的方法能够保留遥感图像中的细节信息、减少图像模糊度、提高图像的视觉效果和信息传递能力。
关键词：遥感图像、融合、IHS变换、DWT变换
一、引言
随着现代遥感技术的发展，遥感数据的应用也得到了广泛的发展。遥感图像具有大范围、高解析度、大面积、多波段等特点。遥感图像融合，即将多波段、多传感器获得的遥感图像融合为一幅图像，是遥感图像处理技术领域的重要研究方向。遥感图像融合技术有助于提高遥感图像的信息传递能力、改进目标检测和识别效率、增强图像的可视化效果等。
当前的遥感图像融合方法主要包括像元级融合方法、特征级融合方法和决策级融合方法。像元级融合方法直接对图像的像素进行融合；特征级融合方法利用不同特征提取算法来提取不同信息的特征，然后将不同特征融合；决策级融合方法基于先前得到的决策结果进行逻辑建模。
本文提出了一种基于IHS和DWT变换的遥感图像融合方法。通过IHS变换将遥感图像分解为亮度、色调和饱和度三个分量，并对色调分量进行DWT变换，将高频和低频信息分离并进行融合，最终得到融合图像。实验结果表明：本方法能够保留原始图像中的细节信息、减少图像模糊度、提高图像的信息传递能力和视觉效果。
二、IHS和DWT变换的介绍
2.1IHS变换介绍
IHS变换是一种常见的用来对彩色图像分解的方法，它是基于光学长相机颜色空间设定相关的想法而提出的。IHS变换将彩色图像转化为三个分量：亮度（I）、饱和度（S）和色调（H），可以通过以下公式进行计算：
I=(R+G+B)/3
H=arccos([(2R-G-B)/2*sqrt(R^2+G^2+B^2-RG-RB-GB)]),(0≤H≤2π)
S=[1-3/(R+G+B)*min(R,G,B)]
其中，R、G、B分别为红、绿、蓝三个波段。
2.2DWT变换介绍
离散小波变换（DWT）是小波变换的一种变换方法，它是将做连续的小波变换变成离散的。在DWT中，对于很多应用来说，具有重要意义的是信号的高频部分。同时，DWT还可以将信号分解成多个分辨率的小波系数，从而提取不同尺度下的细节信息。DWT变换用于遥感图像融合时，可以对较高或中等空间频率的信息进行分析，有利于提取和保留遥感图像较为重要的细节信息。
三、遥感图像融合方法
本文提出的基于IHS和DWT变换的遥感图像融合方法主要包括以下步骤：
3.1IHS变换分解
首先，将输入的彩色遥感图像分解为I、H、S三个分量。I分量表示亮度信息，H分量表示色调信息，S分量表示饱和度信息。
3.2尺度分解
对于IHS中的H分量，可以进行小波变换进行尺度分解。对尺度分解后得到的H分量进行DWT变换，从而得到具有高频和低频信息的H系数数组。
3.3高频信息融合
对于H系数中的高频部分，采用融合规则进行像素点间的权重分配，达到不同频率间信息的互补与补充。然后，使用小波反变换得到新的H分量。
3.4低频信息融合
对于H系数中的低频部分和I、S分量分别进行加权平均，得到新的I、H、S分量。
3.5IHS逆变换
最后，使用I、H、S分量进行逆变换，得到融合后的遥感图像。
四、实验结果
本文运用提出的遥感图像融合方法对多幅遥感图像进行合成处理，结果如下：
***插入融合后的图片***
可以看出，融合结果能够保留原始遥感图像中的细节信息，并且在减少模糊度的同时还提高了图像的视觉效果和信息传递能力。
五、结论
本文提出了一种基于IHS和DWT变换的遥感图像融合方法，通过IHS变换将遥感图像分解为亮度、色调和饱和度三个分量，并对色调分量进行DWT变换，将高频和低频信息分离并进行融合，最终得到融合图像。实验结果表明：本方法能够保留原始图像中的细节信息、减少图像模糊度、提高图像的信息传递能力和视觉效果。
在未来的遥感图像处理研究中，本文提出的方法可以应用于遥感图像的分类、监督和无监督变换等方面，具有较广泛的应用前景。