金延薇

摘 要 遥感图像融合技术随着多尺度几何分析技术的快速发展和应用，使得遥感图像融合准确度和正确性不断提高。本文以Curvelet为例，进行了Curvelet图像融合实验，与基于小波变换（Wavelet）图像融合算法进行对比实验，实验结果表明：Curvelet变换的融合方法能在保留多光谱影像的光谱信息的同时增强了融合影像的空间细节表现能力，提高了融合影像的信息量。Curvelet融合效果优于Wavelet方法。

关键词 小波变换 多尺度几何分析 Curvelet变化 遥感图像融合

中图分类号：TP751 文献标识码：A

0引言

图像承载主体经历了纸质、模拟信号和数字图像3个阶段，数字图像出现使图像量化分析方法得到快速发展。我们希望能够从图像中获得更多有用的信息，尤其是从遥感图像中。以前，通常使用Wavelet技术提取图像的特征，但是Wavelet的方向是正交化的，很难提取更多方向的特征，多尺度几何分析应运而生。多尺度几何分析是一种新的图像稀疏表示方法，它能够对图像多维度特征进行显示，并且能够对光滑的分段函数最优逼近。

1实验及结果分析

1.1图像融合实验

为了验证Curvelet变换在图像融合过程中的有效性，在MATLAB 7.0环境下进行了仿真实验。实验采用了256€？56像素大小的图像，灰度等级均为256级的高分辨率全色影像和低分辨率多光谱影像。为了对比融合效果，选取了基于Wavelet图像融合算法进行对比实验。

基于Curvelet变换遥感图像融合的过程：读取高分辨率图像与多光谱图像，将高分辨率图像由RGB转换为灰度图，进行直方图修正，生成与多光谱的亮度分量图有相似直方图特征的图像，进行双精度化后，赋值给新的全色RGB；在多光谱图像中，把三维图像分解为3个二维图像；分别对多光谱图像和全色图像进行Curvelet变换，进行4层分解，分为32个方向；对低频子带采用加权平均法进行融合，对除了最细尺度下的高频子带融合，融合规则为：If多光谱高频Curvelet系数 >全色高频Curvelet系数，then新的高频Curvelet系数=多光谱高频Curvelet系数+全色高频Curvelet系数，If多光谱高频Curvelet系数 <全色高频Curvelet系数，then新的高频Curvelet系数=全色高频Curvelet系数，对最细尺度下的高频子带融合，新的高频Curvelet系数=全色高频Curvelet系数；将最终得到的新的高频Curvelet系数和低频Curvelet系数进行Curvelet逆变换，即得到融合后的图像。

1.2实验结果分析

（1）如图1，从视觉效果上来看，基于Wavelet图像融合没有很好的体现出地貌如建筑、道路和植被的图像细节，基于Curvelet的融合算法对图像能够保持较好的融合效果。

（2）除了进行目视比较之外，还对融合图像质量进行定量分析， 在两种融合方法中，基于Curvelet变换的图像融合方法的信息熵最大，保留了比Wavelet融合方法更多的全色影像的空间信息，是两种融合方法中信息量较大的。

（3）从图像清晰度方面看，基于Curverlet变换融合的图像的平均梯度和图像清晰度都远远大于Wavelet融合方法，说明基于Curvelet变换融合后的图像质量提高得更好，且融合后的图像中微小细节反差和纹理变换特征反映得也更好。

2总结

本文主要对当前流行的Curvelet多尺度几何分析方法在遥感图像融合中进行了实验，通过与Wavelet的比较，定量和定性地证明了Curvelet融合方法效果的优越性。

参考文献

[1] Liu Y，Jin J，Wang Q，et al.Region level based multi-focus image fusion using quaternion wavelet and normalized cut[J].Signal Processing，2014（97）：9-30.

[2] Do M N，Vetterli M.The finite ridgelet transform for image representation[J].IEEE Transactions on image Processing，2003，12（1）：16-28.

[3] Candes E J，Donoho D L.Curvelets：A surprisingly effective nonadaptive representation for objects with edges[R].Stanford Univ Ca Dept of Statistics，2000.