高分辨率遥感图像小波融合算法研究

张亦慧，赵志强

（深圳职业技术学院 计算机工程学院，广东 深圳 518055）

随着传感器技术的不断进步，遥感卫星的空间分辨率不断提高，数据源和图像数据量的增多是当前遥感技术发展的趋势[1]。数据融合技术是提高数据利用率的有效方法之一，目前经典的遥感图像融合算法主要有IHS变换融合算法、PCA变换融合算法和小波变换融合算法等。IHS融合算法从人类的色彩感觉角度将表征空间分布的物理量I与表征光谱特征的物理量H和S分离出来，用全色图像替换I分量后，经IHS反变换得到融合图像。但IHS融合算法将产生光谱失真现象。PCA变换作为一种统计学上的多维正交线性变换，通过研究R、G、B 3组数据的相互数学关系，经统计变换，给出最大特征值对应的特征向量，然后用全色波段来替换该特征向量。

小波变换兴起于20世纪80年代中期，引起了信号处理和图像处理领域的广泛兴趣。MALLAT首先将小波技术引入到图像处理领域，DAVID首先利用小波技术实现了多光谱和全色的遥感图像融合[2]，利用小波进行图像融合迅速成为研究热点。基于小波分析的图像融合算法主要是利用人眼对局部对比度的变化比较敏感这一现象，根据一定的融合规则，在多幅原图像中选择出最显著的特征，并将这些特征保留在最终的融合图像中，其缺点是融合图像存在一定程度的振铃效应和空间细节丢失现象。

本文提出了一种自适应的多进小波变换图像融合算法，根据全色图像和多光谱图像的空间分辨率关系分别设计了相应的多进小波分解方法，这种方法保留了图像本身固有的尺度；……