典型文献
基于细节关注的高光谱与多光谱图像融合算法
文献摘要:
低分辨率高光谱图像(LR-HSI)与高分辨率多光谱图像(HR-MSI)融合技术,广泛用于解决图像空间分辨率与光谱分辨率无法同时保持高水平的矛盾.从融合效果上分析,现有算法的空间重建误差与光谱重建误差都主要体现在边缘和细节区域.因此,本文提出了基于细节关注的字典构建和图像重建的融合算法.在光谱特性保持方面,由于图像邻近效应导致在细节区域光谱分布复杂多样,本文提出对图像层和细节层分别进行字典学习.在空间特性增强方面,提出了细节感知误差和边缘方向自适应全变分约束,并将其与局部低秩约束结合在同一个融合框架用来估计稀疏系数.消融实验证明细节感知误差、细节感知字典和EADTV正则项的引入,在Pavia University数据集上分别将整体精度(PNSR)提升了 0.0263、0.289和0.4121,光谱(SAM)精度分别提高了 0.2%、4.6%和4.3%.在Pavia University数据集和Indian Pine数据集上的对比实验证明,本文算法相对于次优解,PNSR分别提高了 0.4945和0.2345,实验结果印证了本文算法有效地提高了融合精度.通过实验对比,本文提出算法的融合结果在空间特性与光谱特性方面较其他算法有明显提升.
文献关键词:
遥感;高光谱图像;图像融合;字典学习;方向自适应全变分;局部低秩
中图分类号:
作者姓名:
方帅;闫明畅;张晶;曹洋
作者机构:
合肥工业大学计算机与信息学院,合肥230601;工业安全与应急技术安徽省重点实验室,合肥230000;中国科学技术大学 自动化系,合肥230027
文献出处:
引用格式:
[1]方帅;闫明畅;张晶;曹洋-.基于细节关注的高光谱与多光谱图像融合算法)[J].遥感学报,2022(12):2594-2602
A类:
方向自适应全变分,EADTV
B类:
多光谱图像,图像融合,融合算法,低分辨率,分辨率高,高光谱图像,LR,HSI,MSI,融合技术,图像空间,空间分辨率,光谱分辨率,融合效果,重建误差,光谱重建,和图像,图像重建,光谱特性,邻近效应,谱分布,字典学习,空间特性,感知误差,局部低秩,低秩约束,同一个,融合框架,稀疏系数,消融实验,明细,正则项,Pavia,University,整体精度,PNSR,SAM,Indian,Pine,次优,优解,融合精度,实验对比
AB值:
0.355258
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。