1.软件版本

matlab2013b

2.本算法理论知识

小波变换具有多尺度特性，其时域和频域均具有表征信号局部特性的能力和多分辨率分析的特点。在低频时具有高的频谱分辨率，在高频时具有低的频谱分辨率，因而能有效地从信号中提取信息。通过小波变换可将图像分解为一个低频分量和一系列的高频分量，其中低频分量为近似图像，高频分量为图像的细节信息，如边缘、亮线、区域边界等。 Hu 等人［4］提出基于稀疏表示和 IHS 变换的遥感图像融合，基本思路是对多光谱图像进行 IHS 变换后对 I 分量和全色图像进行稀疏表示，之后用绝对值取大的融合规则对其稀疏系数进行融合，重构 I 分量，最后进行 IHS 逆变换，得到融合图像。由于 IHS 变换具有严重的光谱失真，考虑将小波变换与 IHS 变换相结合。如图 1 算法流程所示，首先对多光谱图像进行 IHS 变换，得到对应的 I、H、 S 分量，对与光谱特性不相关的 I 分量进行 SFIM 运算，将空间细节信息加入到 I 分量中，这样能尽可能少地影响光谱信息，并通过 SFIM 模型将空间细节信息合理、有效地调制到多光谱图像亮度分量中。然后对运算后的 I 分量和全色图像进行小波变换，得到对应的低频和高频系数，分别对高频和低频系数进行融合，最后进行小波逆变换和 IHS 变换得到融合图像。

3.部分源码

close all;
clear all;
clcrng(1);I4 = imread('PAN.jpg');%读取并显示图像
I2 = imread('MS.jpg');
%figure;subplot(2,3,1);imshow(I4);title('the origin image 1');subplot(2,3,2);imshow(I2);title('the origin image 2');
step=1;
Dsize=256; u2=zeros(3,1);v12=zeros(3,1);
AA=[1/sqrt(3),1/sqrt(3),1/sqrt(3);       1/sqrt(6),1/sqrt(6),-2/sqrt(6);                   1/sqrt(2),-1/sqrt(2),0];
BB=[1/sqrt(3),1/sqrt(6),1/sqrt(2);1/sqrt(3),1/sqrt(6),-1/sqrt(2);                    1/sqrt(3),-2/sqrt(6),0];
I1=(I4);[I3,v1,v2]=ihs(I2,AA);%ihs变换    [V1t_block] = getblock_new(I3, 3000,8,8,'random',1); %随机分块
[V2t_block] = getblock_new(I1, 3000,8,8,'random',1);
V_train = [V1t_block,V2t_block];
D0 = Initial_Dictionary(64,Dsize);
%load('D.mat');%load('V_train.mat');
D = train_Dictionary_new( V_train ,D0,'OMP', 'K-SVD',0.01);% 训练字典
clear V1t_block V2t_block V_train;
[V1_block] = getblock_new(I3, 1000,8,8,'sliding',step);  %分块并用omp求稀疏系数
[l, m] = size(V1_block);
[h,w] = size(D);
a1 = zeros(w,m);
for i = 1:ma1(:,i) = solveRepresentation(100,D, V1_block(:,i),'denoise', 0.001, 'OMP');
end
clear V1_block;[V2_block] = getblock_new(I1, 1000,8,8,'sliding',step);
[l, m] = size(V2_block);
a2 = zeros(w,m);
for i = 1:ma2(:,i) = solveRepresentation(100,D, V2_block(:,i),'denoise', 0.001, 'OMP');
end
clear V2_block;a_f = fusion_criterion(a1,a2,'max');
X_f= D*a_f;
[height,width]=size(I1);
img_f = showImage_new(X_f,height,width,'sliding',step);
%
RGB=ihs1(I1,img_f,BB,v1,v2);%逆变换
%subplot(2,3,3);figure;%重构并显示图像
imshow(RGB);
title('融合图像');%信息熵
entropy = func_entropy(RGB(:,:,3));
entropy
%边缘强度
outval = edge_intensity(RGB(:,:,3));
outval
%平均梯度
outval = avg_gradient(RGB(:,:,3));
outval

4.仿真结论

	信息熵	边缘强度	平均梯度
1原稀疏表示IHS	7.1354	94.8276	9.3842
2IHS改进	6.3183	76.2175	7.8215
3 IHS改进的基础上进行修改完善	7.0371	96.4255	9.4937

A28-53

【IHS+稀疏表示】基于IHS小波变换和稀疏表示相结合的遥感图像融合算法matlab仿真相关推荐

m基于rbf神经网络和遗传算法优化的MIMO-OFDM系统信道估计算法matlab仿真
目录 1.算法描述 2.仿真效果预览 3.MATLAB部分代码预览 4.完整MATLAB程序 1.算法描述 MIMO-OFDM的信道估计:时,频,空三个域都要考虑,尤其是在空域,不同天线发射的导频序列 ...
基于sift特征提取的图像配准算法matlab仿真
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述 SIFT 是一种从图像中提取独特不变特征的方法,其特点为基于图像的一些局部特征,而与图像整体的大小和 ...
【小波能量BP】基于小波能量系数提取和BP神经网络的检测算法matlab仿真
1.软件版本 MATLAB2013b 2.算法理论步骤1:小波能量系数提取的方法进行降维小波降维处理,将高维的数据转换为低维的数据. %对数据进行小波变换 [C,L] = wavedec(data ...
m基于AlexNet神经网络和GEI步态能量图的步态识别算法MATLAB仿真
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述 AlexNet是2012年ImageNet竞赛冠军获得者Hinton和他的学生Alex Krizhe ...
基于Multi-Verse Optimizer(MVO)多元宇宙优化的DBSCAN数据聚类算法matlab仿真
目录 1.算法仿真效果 2.MATLAB核心程序 3.算法涉及理论知识概要 4.完整MATLAB 1.算法仿真效果 matlab2022a仿真结果如下: 2.MATLAB核心程序 .......... ...
【盲解调】基于频率和滤波器参数估计的FH-GFSK调制信号盲解调算法matlab仿真
目录一.理论基础二.核心程序三.仿真测试结果一.理论基础在无线通信中,为了对抗信道衰落和保证传输信息的安全常采用跳频(Frequency Hopping, FH)通信技术.高斯移频键控(Ga ...
基于affine+sift特征提取的图像配准算法matlab仿真
目录一.理论基础二.核心程序三.仿真测试结果一.理论基础由于相机正面拍摄物体时,相机的光轴方向可能发生变化,带来扭曲,所以第一步是对每张图片进行变换,模拟所有可能的仿射扭曲.这些扭曲由两个参 ...
m基于GA遗传优化的GRNN广义回归神经网络销售数据预测算法matlab仿真
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述随着市场经济的发展和全球化,国内外企业面临着越来越残酷的市场竞争,要想赢得竞争,赢得市场,从事商品销 ...
基于CBF(cross bilateral filter)交叉双边滤波的图像融合算法仿真
目录 1.算法仿真效果 2.MATLAB源码 3.算法概述 4.部分参考文献 1.算法仿真效果 matlab2022a仿真结果如下:

【IHS+稀疏表示】基于IHS小波变换和稀疏表示相结合的遥感图像融合算法matlab仿真

1.软件版本

2.本算法理论知识

3.部分源码

4.仿真结论

【IHS+稀疏表示】基于IHS小波变换和稀疏表示相结合的遥感图像融合算法matlab仿真相关推荐

最新文章

热门文章