２０１５年６月 西北工业大学学报 Ｊｏｕｒｎａｌ ｏｆ Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ Ｊｕｎｅ ２Ｏ１５ Ｖ０ｌ＿３３ Ｎｏ．３ 第３３卷第３期 基于多特征的遥感图像融合算法 王峰，程咏梅，李松，牟宏磊，李路东 （西北工业大学自动化学院，陕西西安７１０１２９） 摘要：针对基于多尺度几何变换的遥感图像融合算法细节表现能力不足的缺陷，提出了一种新的基 于多特征的遥感图像融合算法。首先，对多光谱图像进行ＨＳＩ变换，将得到的亮度分量和全色图像分 别进行非下采样的Ｃｏｎｔｏｕｒｌｅｔ变换（ＮＳＣＴ），得到低频和高频子带系数；然后，对低频子带系数采用像 素绝对值选大的规则进行融合，对于高频子带系数的选择，考虑到不同的因素如（方差、能量、平均梯 度）对图像质量的影响不同，提出了一种基于多特征的融合规则；最后，对融合后的低频和高频系数分 别进行了逆ＮＳＣＴ变换和逆ＨＳＩ变换得到融合图像。实验结果证明，该方法可以有效将全色图像的 空间信息注入到多光谱图像中，并与ＨＳＩ变换、Ｃｏｎｔｏｕｒｌｅｔ变换等融合算法相比，该方法在主观和客观 评价上优于其他几种融合方法，具有更好的融合效果。 关键词：设计；实验；特征提取；图像融合；图像重构；数学变换；均方误差；多分辨率分析；像素； 遥感图像；ＨＳＩ变换；非下采样Ｃｏｎｔｏｕｒｌｅｔ变换；区域特征 中图分类号：ＴＰ７５１ 文献标志码：Ａ 文章编号：１０００—２７５８（２ｏ１５）ｏ３ ０４８９—０６ 大多数遥感卫星，如ＳＰＯＴ、Ｌａｎｄｓａｔ ７、ＩＫＯＮＯＳ 和ＱｕｉｃｋＢｉｒｄ，能提供低分辨的多光谱图像（ｍｕｌｔｉ－ ｓｐｅｃｔｒａｌ，ＭＳ）和高分辨率的全色图像（ｐａｎｃｈｒｏｍａｔｉｃ， ＰＡＮ），在目标检测、地物分类等遥感图像的应用 中，往往需要具有高空间和高光谱分辨率的多光谱 图像，因此，多光谱图像和全色图像融合已成为当前 重要的研究课题¨引。 目前，ＭＳ与ＰＡＮ图像的融合算法大致分为两 类：基于成分替代的融合算法和基于多分辨率分析 的融合算法。基于成分替代的融合算法首先对ＭＳ 图像进行颜色空间变换，然后用ＰＡＮ图像代替亮度 分量，主要包括ＨＳＩ变换法Ｌ３ Ｊ、主成份分析 （ｐｒｉｎ— ｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ，ＰＣＡ）法，该类算法在有效 提高融合图像空间分辨率的同时却引入了严重的频 （ＮＳＣＴ）［６Ｊ等，ＮＳＣＴ变换是一种有效的二维图像多 尺度几何分析方法，与小波变换相比，它具有多个方 向的基，不局限于小波变换的３个方向，同时基的支 撑区间具有大小变化的长方形结构，满足各向异性 尺度关系；与Ｃｏｎｔｏｕｒｌｅｔ变换相比，它取消了图像在 分解和重构中的上采样及下采样操作，以数据的冗 余度换取了平移不变性，避免了Ｃｏｎｔｏｕｒｌｅｔ变换的混 频现象。ＮＳＣＴ变换为图像融合提供了有效的工 具，对于融合系数的选择，通常是将２幅源图像低频 系数通过加权平均法融合，而高频系数按照一定的 策略从２幅源图像对应的高频系数选择最大值融 合，这种融合规则忽略了图像特征和区域的相关性， 因此，融合后的图像对比度下降并且边缘模糊。 针对上述问题，本文提出一种基于多特征的ＭＳ 谱失真。基于多分辨率分析的融合算法首先对ＭＳ 图像和ＰＡＮ图像进行多分辨率分解，然后对分解系 数采用不同融合规则，再进行反重构得到融合图像。 多分辨率分析的工具包主要包括：小波变换 Ｊ、Ｃｏｎ． ｔｏｕｒｌｅｔ变换 ｊ、非下采样的Ｃｏｎｔｏｕｒｌｅｔ变换 收稿日期：２０１５．０１．１８ （６１１３５００１）资助 与ＰＡＮ图像的融合方法，首先，将ＭＳ图像转换至 ＨＳＩ空间，以亮度分量（Ｉ）为标准对ＰＡＮ图像进行 直方图匹配，获得新的全色图分量；然后，对新的 ＰＡＮ图像分量和亮度分量分别进行ＮＳＣＴ分解；接 着，对变换后得到的低频系数采用系数绝对值取大 基金项目：西安市科技计划项目（ＣＸＹ１４３６（９）、ＣＸＹ１３５０（２））与国家自然科学基金重点项目 作者简介：王峰（１９８１一），西北工业大学博士研究生，主要从事图像处理、图像融合、目标识别和目标跟踪的研究。 ・４９０・ 西北工业大学学报 第３３卷 的融合规则，对高频系数提出了基于多特征的融合 规则。最后通过逆ＮＳＣＴ变换和逆ＨＳＩ变换得到融 合图像。实验结果证明，本文所提出融合算法能够 在保持光谱特性的前提下，尽可能提高融合图像的 空间细节信息，具有较好的融合效果。 率混频现象。因此，ＮＳＣＴ变换比Ｃｏｎｔｏｕｒｌｅｔ变换具 有更好的频率特性。图１给出了ＮＳＣＴ分解的 框架。 １非下采样的Ｃｏｎｔｏｕｒｌｅｔ变换 带通方 向予带 Ｃｏｎｔｏｕｒｌｅｔ变换 具多尺度，多分辨率和各向异 性等特点。然而，由于下采样和上采样，Ｃｏｎｔｏｕｒｌｅｔ 变换不具有移动不变性，此外，根据多样本率理论， 采样结果在低频和高频部分会出现混频现象。以上 提及的方法是Ｃｏｎｔｏｕｒｌｅｔ变换的最弱性能。 为了消除Ｃｏｎｔｏｕｒｌｅｔ变换混频现象和增强它的 移动不变性，Ｃｕｎｈａ等人 提出了基于非下采样的 金子塔分解和非下采样滤波器的ＮＳＣＴ变换。 ＮＳＣＴ是Ｃｏｎｔｏｕｒｌｅｔ变换的平移不变版本，并通过不 可分离双通道非下采样滤波器（ＮＳＦＢ）来获得平移 不变性。与Ｃｏｎｔｏｕｒｌｅｔ变换不同的是，ＮＳＣＴ多分辨 图１ ＮＳＣＴ分解框架 静通方 向子带 ２ 基于ＮＳＣＴ变换域的图像融合 算法 ２．１图像融合的基本框架 分解步骤是通过移动不变滤波器满足Ｂｅｚｏｕｔ等式， 而不是拉普拉斯金子塔滤波器来完成重构的。 由于在金子塔分解过程中没有采样，即使低通 为了得到更好的空间分辨率和光谱信息，本文 提出的ＭＳ与ＰＡＮ图像融合算法的框架如图２ 所示。 滤波器的带宽大于÷，低通滤波器也并不会带来频 图２本文融合算法的流程图 １）首先对ＭＳ和ＰＡＮ图像进行配准，得到配准 后的ＭＳ和ＰＡＮ图，然后采用文献［８］提出的ＨＳＩ 空间转换方法，将低分辨率多光谱图像从ＲＧＢ彩色 空间转换到ＨＳＩ空间，并得到色调（Ｈ）和饱和度 （Ｓ）、亮度（Ｉ）； ２）对得到的亮度分量和全色图像采用文献［９］ 第３期 王峰，等：基于多特征的遥感图像融合算法 提供的方法进行直方图匹配，得到新的全色图分 量Ｐ ； ｐＦ（ 、ｆ 一（ ，，，），Ｄｐ （ ，，，）≥Ｄｔ（ｘ，ｙ） ｌ （ｘ，ｙ），Ｄ ｘ，，，）＜Ｄ，（ ，，，） （５） ３）对亮度分量和Ｐ…分别进行ＮＳＣＴ变换分 解，得到低频系数和高频系数； ４）对低频系数和高频系数分别使用不同的融 合规则，以此获得融合后的ＮＳＣＴ变换系数； ５）对融合后的系数进行逆ＮＳＣＴ变换，得到融 式中， 一ｘ，Ｙ）、 和ｃ ｘ，Ｙ）分别是新全色图分 量Ｐ一，ＭＳ图像的亮度分量，和融合图像Ｆ在（ ，ｙ） 位置的高频系数。 平均梯度反映了融合图像的清晰度和微小细节 合后的亮度分量； ６）对融合后的亮度分量、Ｈ和ｓ进行逆ＨＳＩ变 换，得到最终的融合图像。 ２．２低频系数的融合规则 经ＮＳＣＴ变换分解得到的低频部分包含了原始 图像的概貌特征，为了更好地保留多光谱图像的光 谱信息，并将全色图像的更多细节信息注入到多光 谱图像中去，本文采用了低频系数像素绝对值选大 的融合规则，融合后的低频系数为： 嬲 ㈩ ＝ 式中， ‰ｗ（ｉ， ）、￡ （ ，＿『）分别为图像经ＮＳＣＴ变换后 在位置（ｉ√）处的低频系数，Ｌ （ｉ，＿『）为融合后的图 像Ｆ对应的低频系数。 ２．３高频系数的融合规则 经ＮＳＣＴ变换分解获得的高频系数包含了图像 边缘、区域边界等大量的细节信息，为了更好地在融 合后的图像中反映这些信息，本文提出了一种多特 征的高频子带系数融合方法并将该方法描述如下： 高频系数融合规则的选择将影响融合后图像的 清晰度和光谱失真程度，其特征在标准差、平均梯度 和能量对应有最大值，并且传统的方法以其不同的 方式用来区分图像的清晰度。标准差是由均值间接 求得的，反映了图像当前的像素值与整体像素均值 的离散程度。标准差越大，整体像素灰度级分布就 越分散，图像显示就越清晰。大小为ＭｘＮ的图像 Ｆ，其标准差可定义为： （Ｆ（ ）一岔） （３） 式中，Ｆ（ｉ√）为像素在（ｉ√）位置像素的灰度值， 表示图像的平均灰度值： ｎ ｙ Ｆ（ Ｊ） （４） １）基于标准方差的融合规则 反差的变化程度，其值越大，图像将更清晰，大小为 Ｍ×Ｎ的图像Ｆ，其平均梯度定义为： １ Ｍ Ｇ， ｛［Ｆ（ √）一Ｆ（ｉ＋ｌ√）］ ＋ ［Ｆ（ｉ√）一Ｆ（ｉ√＋１）］ ｝ （６） 式中，Ｆ（ ）是像素（ ）的灰度值。 ２）基于平均梯度的融合规则 ｃ （ ， ）：｛【Ｉ 一 ， （ ，，，），ＧＰ ），Ｇ，ｍｗ ，Ｙ ≥Ｇ， ，Ｙ ，，ｅｗ（ ，Ｙ）＜Ｇ，（ ，Ｙ） （７） 式中，ｃ 一（ ，Ｙ）、ｃ （ ，Ｙ）和 （ ，Ｙ）分别是新全 色图分量Ｐ ，ＭＳ图像的亮度分量，和融合图像Ｆ 在（ ，Ｙ）位置的高频系数。 能量反映了图像的活跃水平和纹理的均匀程 度，其值越大，图像包含的纹理信息分布越均匀，并 且图像越清晰。图像，的能量定义为： 、 （ ，，，）＝∑∑Ｆ（ｘ，），） （８） ３）基于能量的融合规则 ｃ （ ，ｙ）：ｆＩ （ ，，，），’ｙ ＇Ｅ Ｅ ｎｅｘ，ｗ‘ ＇Ｙ）＜Ｅ，ｙ ≥Ｅ（ ，， ＇Ｙ）， ，’ （９） 式中，ｃ 一（ ，ｙ）、 （ ，），）和 （ ，，，）分别是新全 色图分量Ｐ…，ＭＳ图像的亮度分量，和融合图像Ｆ 在（ ，Ｙ）位置的高频系数。 在大多数现有ＭＳ与ＰＡＮ图像的融合中，通常 只考虑以上３个特征之一用来构造高频系数的融合 规则。然而，以上提到的３个特征并不能表示图像 的综合特征。甚至在一点上，不同的特征证明了不 同表示能力。因此，在融合图像时，基于３种特征的 单一融合规则会导致融合图像时丢失细节息，无法 实现全局显示和质量评价综合指标的最优。为了处 理传统方法用单一特征进行高频融合的问题，本文 用以上的３种特征混合来进行高频子带系数的融 合，其算法实现过程描述如下： ・４９２・ 西北工业大学学报 第３３卷 融合规则，将选择为这一点的融合规则。Ｒ：（ √）和 （ √）的评价规则和 （ √）相似。 分别计算新全色图像分量Ｐ 和ＭＳ图像亮度分量， ａ）在点（ｉ√）位置用方程（３）、（４）、（６）和（８） 的高频系数的区域标准差 一（ √）和Ｄ，（ √），区 域平均梯度ＧＰ （ｉ，＿『）和 （ ， ），区域能量 。 （ ， ）和 （ ，＿『）。在这一步邻近区域的大小选 择为（３ ｘ ３）； ｂ）计算整幅图像的标准差Ｄ 和Ｄ，，平均梯 度 一和 ，能量Ｅ．Ｐ 和Ｅ，； ｃ）如果Ｄ ≠０，Ｄ，≠０，Ｇｐ ≠０，Ｇ１≠０， Ｅ 一≠０，Ｅ，≠０，计算２幅图像的相对标准差，相 对平均梯度和相对能量之间的比值如下： Ｊ）＝ （１ｏ）） ）＝ （１１） （，ｉ ＿『）＝ｔ Ｉ ｃ（） １２， Ｄ ～ ．Ｉ， ／ ， 式中，Ｋ。（ｉ√）是源图像在点（ｉ√）之间的相对标准 差。如果，Ｋ。（ｉ， ）＞１新全色图分量Ｐ 在点（ｉ√） 的相对标准差大于图像，，并且在图像Ｐ 内分散的 灰度值就比在图像 内多。Ｋ２（ｉ， ）和Ｋ （ｉ√）做法 与Ｋ （ｉ√）相似，转到步骤ｅ）； ｄ）如果全局标准差（Ｄ 一或Ｄ，），平局梯度 （Ｇ 或ＧＩ），ｆｉ￣（Ｅ 一或Ｅ，）中任何一个等于０， 它的特征表示在以上３个特征（方差、梯度、能量） 之中是最差的，然后比较方程（１３）～（１５）的其他２ 种比率。对应率最大的值将被选择为融合；如果不 同类型的２种特征都为０，融合规则将由全色图像 的特征决定而不是以上提到的２种特征；如果不同 类型的３种特征都为０，融合的系数将由２幅源图 像上在这一点的最大系数决定。转到步骤ｆ）； ｅ）通过比较以下的３种比率决定高频系数的 融合规则： （ ，＿『）＝【ＫＩ （ｉ ，ｊ ），ＫＩ（ｉ，ｊ）１。ｌ／（√），Ｋ（１３） ｌ（￡， ：１ｃ √ ＝ Ｋ２ （ｉ，ｊ ）。／， 暑 ｃ ４ ｃ √ ＝｛ ２ １＜ ｃ ５ 对于任何一点，对应率的最大值规则将选择为 在这一点的最终融合规则。例如，对于点（ｉ， ），如 果Ｒ （ｉ，－『）拥有以上３种比率的最大值，基于方差的 ｆ）对在源图像上的点重复步骤ａ）一ｅ）。 ３实验结果和分析 ３．１实验 实验选用Ｌａｎｄｓａｔ．ＴＭ多光谱图像作为图像源， 其中ＭＳ图像的地面分辨率是２．５ ｍ，大小是２５６ｘ ２５６像素。ＳＰＯＴ全色图像的地面分辨率是１０ ｍ， 大小为２５６ｘ２５６像素。 为了验证推荐算法性能，将本文算法与传统的 ＨＳＩ变换、Ｃｏｎｔｏｕｒｌｅｔ变换、ＮＳＣＴ变换（融合规则均 为低频加权平均、高频取局部方差选大规则）进行 对比。Ｃｏｎｔｏｕｄｅｔ变换的分解参数为：４、４、８、８； ＮＳＣＴ变换与本文算法的分解参数均为１、３、４、４。 实验中采用的定量指标包括综合相对误差（ｒｅｌ— ａｔｉｖｅ ｇｌｏｂａｌ ｅｒｒｏｒ ｉｎ ｓｙｎｔｈｅｓｉｓ，ＥＲＧＡＳ） ｊ、相对平均 光谱误差（ｒｅｌａｔｉｖｅ ａｖｅｒａｇｅ ｓｐｅｃｔｒａｌ ｅｌＴｏｒ，ＲＡＳＥ） 、 均方根误差（ｒｏｏｔ ｍｅａｎ ｓｑｕａｒｅｄ ｅｒｒｏｒ，ＲＭＳＥ） …、平 均梯度（ａｖｅｒａｇｅ ｇｒａｄｉｅｎｔ，ＡＧ）、信息熵（ｉｎｆｏｒｍａｔｉｏｎ ｅｎｔｒｏｐｙ，ＩＥ）和相关系数（ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｍｃｉｅｎｔ，ｃｃ）， 其中ＥＲＧＡＳ、ＲＡＳＥ和ＲＭＳＥ几个指标的值越小表 示融合后图像的光谱质量就越高；ＩＥ是衡量图像信 息丰富程度的最重要指标。ＩＥ越大，图像就具有越 多的信息；ＡＧ是图像中细节对比、纹理变化和清晰 度表达的影响指标，ＡＧ越大，图像就具有越多的层 次结构，融合图像就越清晰；ＣＣ反映了融合图像与 多光谱图像的相关程度，相关系数值越大，则融合图 像的光谱信息改变程度就越小。 ３．２实验结果分析 实验采用的ＭＳ图像和ＰＡＮ图像以及各种算 法融合后的图像如图３所示。从图３可以看出，多 光谱图（图３ａ））包含有丰富的光谱信息，全色图 （图３ｂ））包含有丰富的、显著的细节特征。从图 ３ｃ）可以看出，ＨＳＩ变换法融合图像的结果光谱扭曲 十分严重；从图３ｄ）对比可以看出Ｃｏｎｔｏｕｒｌｅｔ变换的 融合方法虽能较好保留图像的多光谱信息，提高融 合图像的空间分辨率，但是色彩失真明显。从图 ３ｅ）看出ＮＳＣＴ变换方法与图３ｄ）相比，色彩变淡。 本文提出的融合方法（图３ｆ））与前３种方法相比能 够更好地保留多光谱图像的光谱信息，从右下角部 分放大图像可以看出，本文方法融合后的图像纹理 ・４９４・ １３０１－１３１２ 西北工业大学学报 第３３卷 ［３］ Ｓｈｅｔｔｉｇａｒａ Ｖ Ｋ．Ａ Ｇｅｎｅｒａｌｉｚｅｄ Ｃｏｍｐｏｎｅｎｔ Ｓｕｂｓｔｉｔｕｔｉｏｎ Ｔｅｃｈｎｉｑｕｅ ｆｏｒ Ｓｐａｔｉａｌ Ｅｎｈａｎｃｅｍｅｎｔ ｏｆ Ｍｕｌｆｉｓｐｅｃｔｒｌ Ｉｍａｇｅｓ Ｕｓｉｎｇ ａ ａＨｉｇｈｅｒ Ｒｅｓｏｌｕｔｉｏｎ Ｄａｔａ Ｓｅｔ［Ｊ］．Ｐｈｏｔｏｇｒａｍｍｅｔｒｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，１９９２，５８（５）：５６１—５６７ Ｓ，Ｒａｑｕｅｌ Ｇ Ｃ，ｅｔ ａ１．Ｆｕｓｉｏｎ ｏｆＭｕｌｔｉｓＩ＇ｅｅｔｒａｌ ａｎｄ Ｐａｎｃｈｒｏｍａｔｉｃ Ｉｍａｇｅｓ Ｕｓｉｎｇ Ｉｍｐｒｏｖｅｄ ＨＩＳ ａｎｄ ＰＣＡ Ｍｅｒｇ－ ［４］ Ｍａｒｉａ Ｇ Ａ，Ｊｏｓｅ Ｌ ｅｒ８ Ｂａｓｅｄ ｏｎ Ｗａｖｅｌｅｔ Ｄｅｃｏｍｐｏｓｉｉｔｏｎ［Ｊ］．ＩＥＥＥ Ｔｒｎｓａ ｏｎ Ｇｅｅｓｅｉｅｎｃｅ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２００４，４２（６）：１２９１－１２９９ 尹福昌．基于Ｃｏｎｔｏｕｒｌｅｔ变换的遥感图像增强算法［Ｊ］．光学精密工程，２００８，１６（１０）：２０３１－２０３７ ［５］ 陈志刚，Ｃｈｅｎ Ｚ Ｇ，Ｙｉｎ Ｆ Ｃ．Ｅｎｈａｎｃｅｍｅｎｔ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍｇａｅ Ｂａｓｄ ｅｏｎ Ｃｏｎｔｏｕｒｌｅｔ Ｔｒａｎｓｆｏｒｍ［Ｊ］．Ｏｐｔ Ｐｒｅｃｉｓｉｏｎ Ｅｎｇ，２００８，１６ （１０）：２０３１－２０３７（ｉｎ Ｃｈｉｎｅｓｅ） 冯鑫，王小明，党建武，等．基于改进非下采样轮廓波的融合算法［Ｊ］．农业机械学报，２０１２，４３（１２）：１９２—１９６ Ｆｅｎｇ Ｘｉｎ，Ｗａｎｇ Ｘｉａｏｍｉｎｇ，Ｄａｎｇ Ｊｉａｎｗｕ，ｅｔ ａ１．Ｉｍａｇｅ Ｆｕｓｉｏｎ Ａｌｇｏｒｉｔｈｍ Ｂａｓｅｄ ｏｎ Ｉｍｐｒｏｖｅｄ Ｎｏｎ—Ｓｕｂｓａｍｐｌｅｄ Ｃｏｎｔｏｕｒｌｅｔ［Ｊ］． Ｔｒｎａｓａｃｔｉｏｎｓ ｏｆ ｔｈｅ Ｃｈｉｎｅｓｅ Ｓｏｃｉｅｔｙ ｆｏｒ Ａｇｒｉｃｕｌｔｕｒｌａ Ｍａｃｈｉｎｅｒｙ，２０１２，４３（１２）：１９２－１９６（ｉｎ Ｃｈｉｎｅｓｅ） ［７］ Ｃｕｎｈａ Ａ Ｌ，Ｚｈｏｕ Ｊ Ｐ，Ｄｏｎｏｈｏ Ｍ Ｎ．Ｔｈｅ Ｎｏｎ－Ｓｕｂｓａｍｐｌｅｄ Ｃｏｎｔｏｕｒｌｅｔ Ｔｒａｎｓｆｏｒｍｓ：Ｔｈｅｏｒｙ，Ｄｅｓｉｇｎ，ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ ｏｎ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ，２００６，１５（１Ｏ）：３０８９—３１０１ ［８］ Ｔｕ Ｔ，ｓｕ Ｓ，Ｓｈｙｎ Ｈ，Ｈｕａｎｇ Ｐ．Ａ Ｎｅｗ Ｌｏｏｋ ａｔ ＩＨＳ Ｌｉｋｅ Ｉｍａｇｅ Ｆｕｓｉｏｎ Ｍｅｔｈｏｄｓ［Ｊ］．Ｉｎｆｏｒｍａｔｉｏｎ Ｆｕｓｉｏｎ，２００１（２）：１７７—１８６ ［９］ Ｔａｎｉａ Ｓｔａｔｈａｋｉ．Ｉｍａｇｅ Ｆｕｓｉｏｎ：Ａｌｇｏｒｉｔｈｍｓ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ［Ｍ］．１ｓｔ ｅｄ，Ｅｌｓｅｖｉｅｒ，２００８ ［１０］ Ｄｕ Ｑ，Ｙｏｕｎａｎ Ｎ，Ｋｉｎｇ Ｒ，Ｓｈａｈ Ｖ．Ｏｎ ｔｈｅ Ｐｅｒｆｏｒｍａｎｃｅ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｐａｎ－Ｓｈａｒｐｅｎｉｎｇ Ｔｅｃｈｎｉｑｕｅｓ［Ｊ］．ＩＥＥＥ ｅＧｏｓｃｉｅｎｅｅ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｌｅｔｔｅｒｓ，２００７，４（４）：５１８－５２２ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅ Ｆｕｓｉｏｎ Ａｌｇｏｒｉｔｈｍ Ｂａｓｅｄ ｏｎ Ｍｕｌｔｉ－Ｆｅａｔｕｒｅ Ｗａｎｇ Ｆｅｎｇ，Ｃｈｅｎｇ Ｙｏｎｇｍｅｉ，Ｌｉ Ｓｏｎｇ，Ｍｕ Ｈｏｎｇｌｅｉ，Ｌｉ Ｌｕｄｏｎｇ （Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ａｕｔｏｍａｔｉｃ Ｃｏｎｔｒｏｌ，Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ ８１１ ７１０１２９，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ｆｕｓｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｍｕｌｔｉｓｃａｌｅ ｔｒａｎｓｆｏｒｍ ｃａｎ ｎｏｔ ｅｘｔｒａｃｔ ｄｅｔａｉｌｓ ｆｒｏｍ ｓｏｕｒｃｅ ｉｍａｇｅｓ ｅｆｆｅｃｔｉｖｅｌｙ；ｓｏ ａ ｕｅｗ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ｆｕｓｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｎｏｎ—ｓｕｂｓａｍｐｌｅｄ ｃｏｎｔｏｕｒｌｅｔ ｔｒａｎｓｆｏｒｍ（ＮＳＣＴ）ｄｏｍａｉｎ ｉｓ ｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｔｈｅ ｍｕｌｔｉ—ｓｐｅｃｔｒｌａ ｉｍａｇｅ ｗａｓ ｒｔａｎｓｆｏｒｍｅｄ ｉｎｔｏ ＨＳＩ（Ｈｕｅ－Ｓａｔｕｒａｔｉｏｎ— Ｉｎｔｅｎｓｉｔｙ）ｃｏｌｏｒ ｓｐａｃｅ，ａｎｄ ｔｈｅ ＮＳＣＴ ｔｒａｎｓｆｏｒｍ ｗａｓ ｅｍｐｌｏｙｅｄ ｔｏ ｄｅｃｏｍｐｏｓｅ ｔｈｅ Ｉｎｔｅｎｓｉｔｙ ｃｏｍｐｏｎｅｎｔ ａｎｄ ｐａｎｃｈｒｏ— ｍａｔｉｃ ｉｍａｇｅ ｉｎｔｏ ｍｕｌｔｉｒｅｓｏｌｕｔｉｏｎ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ；Ｓｅｃｏｎｄｌｙ，ｔｈｅ ｆｕｓｉｏｎ ｒｕｌｅ ｏｆ ｓｅｌｅｃｔｉｎｇ ｍａｘｉｍｕｍ ａｂｓｏｌｕｔｅ ｐｉｘｅｌ ｖａｌ— ｕｅｓ ｗａｓ ｕｓｅｄ ｆｏｒ ｔｈｅ ｌｏｗ ｆｒｅｑｕｅｎｃｙ ｓｕｂ—ｂａｎｄ ｃｏｅｆｉｆｃｉｅｎｔｓ，ｗｈｉｌｅ ｆｏｒ ｔｈｅ ｈｉｇｈ ｆｒｅｑｕｅｎｃｙ ｓｕｂｂａｎｄ ｃｏｅｆｉｆｃｉｅｎｔｓ，ｔｈｅ ｍｕｌｔｉ—ｆｅａｔｕｒｅ ｆｕｓｉｏｎ ｒｕｌｅ ｗａｓ ｄｅｓｉｇｎｅｄ；ｔｈｅ ｆｕｓｅｄ ｉｍａｇｅ ｗａｓ ｒｅｃｏｎｓｔｒｕｃｔｅｄ ｂｙ ｉｎｖｅｒｓｅ ＮＳＣＴ ｔｒａｎｓｆｏｒｍ ａｎｄ ｉｎｖｅｒｓｅ ＨＳＩ ｔｒａｎｓｆｏｒｍ．Ｅｘｐｅｒｉｍｅｎｔｓ ａｎｄ ｔｈｅｉｒ ａｎａｌｙｓｉｓ ｓｈｏｗ ｐｒｅｌｉｍｉｎａｒｉｌｙ ｔｈａｔ ｔｈｅ ｆｕｓｉｏｎ ｍｅｔｈｏｄ ｐｒｏｐｏｓｅｄ ｃａｎ ｉｍｐｒｏｖｅ ｓｐａ－ ｔｉｌａ ｒｅｓｏｌｕｔｉｏｎ ａｎｄ ｋｅｅｐ ｓｐｅｃｔｒａｌ ｉｎｆｏｒｍａｔｉｏｎ ｓｉｍｕｌｔａｎｅｏｕｓｌｙ ａｎｄ ｔｈａｔ ｔｈｅｒｅ ａｒｅ ｉｍｐｒｏｖｅｍｅｎｔｓ ｂｏｔｈ ｉｎ ｖｉｓｕａｌ ｅｆｆｅｃｔｓ ａｎｄ ｑｕａｎｔｉｔａｔｉｖｅ ａｎａｌｙｓｉｓ ｃｏｍｐａｒｅｄ ｗｉｈｔ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ＨＳＩ ｔａｎｓｆｏｒｍ ｍｅｔｈｏｄ，ｔｈｅ ｃｏｎｔｏｕｒｌｅｔ ｔｒａｎｓｆｏｒｍ ｂａｓｅｄ ｆｕｓｉｏｎ ｍｅｔｈｏｄ，ａｎｄ ｔｈｅ ＮＳＣＴ ｒｔａｎｓｆｏｒｌＴｌ ｂａｓｅｄ ｆｕｓｉｏｎ ｍｅｔｈｏｄ． Ｋｅｙ ｗｏｒｄｓ：ｄｅｓｉｇｎ，ｅｘｐｅｒｉｍｅｎｔｓ，ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ，ｉｍａｇｅ ｆｕｓｉｏｎ，ｉｍａｇｅ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ，ｍａｔｈｅｍａｔｉｃａｌ ｔｒａｎｓｆｏｒ－ ｍａｔｉｏｎｓ，ｍｅａｎ ｓｑｕａｒｅ ｅｒｒｏｒ，ｍｕｈｉｒｅｓｏｌｕｔｉｏｎ ａｎａｌｙｓｉｓ，ｐｉｘｅｌｓ，ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ；ｈｕｅ—ｓａｔｕｒａｔｉｏｎ— ｉｎｔｅｎｓｉｔｙ—ｔｒａｎｓｆｏｒｍ，ｎｏｎ—ｓｕｂｓａｍｐｌｅｄ ｃｏｎｔｏｕｒｌｅｔ ｔｒａｎｓｆｏｒｍ，ｒｅｇｉｏｎ ｆｅａｔｕｒｅ
