基于NMF的多光谱图像和全色图像融合方法

随着新型卫星WorldView-2的发射和快速发展，对来自卫星的全色和多光谱图像融合的研究已成为热点。 由于在全色和多光谱图像融合方法中通常存在一对矛盾：要么无法避免频谱失真，要么需要引入复杂且费时的频率分解和重建过程，因此基于本文提出了非负矩阵分解（NMF）和超球面色彩锐化（HCS）技术。 由于Worldview-2全色和多光谱图像的特殊覆盖范围不匹配，从多光谱图像中提取的强度分量I与从全色图像（PAN）中提取的强度分量差异很大，从而导致光谱失真增加。 在本文提出的基于NMF的分量I提取方法中

为了有效结合多光谱图像的光谱信息和全色图像的空间细节信息，进一步改善融合后多光谱图像的质量，提出了基于改进投影梯度非负矩阵分解(NMF)和改进脉冲耦合神经网络(PCNN)的非下采样Shearlet变换(NSST)域多光谱和全色图像融合方法。对多光谱图像进行亮度-色度-饱和度（IHS）变换，将其亮度分量与全色图像进行直方图匹配，增强全色图像的对比度；分别对多光谱图像的亮度分量和全色图像进行NSST 变换，对二者的低频系数利用改进投影梯度NMF 进行融合，进一步提高融合后图像的空间信息；对于高频子带

为有效融合多光谱图像的光谱信息和全色图像的空间细节信息，提出了一种基于混沌蜂群优化和改进脉冲耦合神经网络(PCNN)的非下采样Shearlet变换(NSST)域图像融合方法。首先对多光谱图像进行Intensity-Hue-Saturation(IHS)变换，全色图像的直方图按照多光谱图像亮度分量的直方图进行匹配；然后分别对多光谱图像的亮度分量和新全色图像进行NSST变换，对低频分量使用改进加权融合算法进行融合，以互信息作为适应度函数，利用混沌蜂群算法找到最优加权系数。对高频分量采用改进脉冲耦合神