Методика слияния панхроматических и мультиспектральных изображений с их предварительным улучшением с использованием управляемой фильтрации и сигмоидной функции

Для решения проблемы спектрального искажения и потери пространственных деталей при слиянии изображений дистанционного зондирования предложен метод слияния панхроматических и мультиспектральных изображений на основе преобразования IHS и разложения NSST. Однако, когда распределение оттенков серого панхроматического изображения сильно сконцентрировано и имеет низкий контраст, качество слияния ухудшается. Чтобы преодолеть это ограничение, на этапе предварительной обработки мультиспектральных изображений вводится метод улучшения изображения, объединяющий управляемый фильтр и сигмоидную функцию. Управляемый фильтр эффективно сохраняет детали контуров, в то время как сигмоидная функция повышает контрастность, регулируя оттенки серого вблизи центра распределения. Для низкочастотных компонент предлагается стратегия слияния региональной энергии, регионального градиента и управляемой фильтрации, гарантирующая сохранение локальной энергии и информации о градиенте при сохранении деталей контуров. Для высокочастотных компонент применяется метод слияния на основе адаптивной импульсно-связанной нейронной сети. Экспериментальные результаты на двух общедоступных наборах данных подтверждают эффективность предлагаемого подхода, показывая увеличение стандартного отклонения до 83.49 и 52.69% по сравнению с неоптимальными результатами, а также увеличение среднего градиента до 78.49 и 60.64% по семи оценочным критериям.

1. H. Falomir, M. A. Muschietti, E. M. Santangelo, J. Solomin, J. Mathem. Physics, 35, 1939–1950 (1994).

2. S. U. Maheswari, D. J. Hemanth, Defence Sci. J., 65, 214–219 (2015).

3. F. Nencini, A. Garzelli, S. Baronti, L. Alparone, Inform. Fusion, 8, 143–156 (2007).

4. H. Huang, X. A. Feng, J. Jiang, J. Electr. Comp. Eng., 6807473(1–9) (2017).

5. X. Liu, Y. Zhou, J. Wang, AEU – Int. J. Electron. and Commun., 68, 471–477 (2014).

6. G. He, S. Xing, X. He, J. Wang, J. Fan, IET Comp. Vision, 13, 240–248 (2019).

7. A. Vishwakarma, M. K. Bhuyan, Y. Iwahori, Multimedia Tools and Applications, 77, 32013–32040 (2018).

8. L. Duliang, J. Zhenhong, Y. Jie, K. Nikola, Opt. Eng., 55, 103104 (2016).

9. R. Zhong, Y. Fu, Y. Song, C. Han, Infrared Physics & Technology, 131, 104696 (2023).

10. R. L. Wang, J. Geomatic Sci. and Technol., 4, 269–272

11. A.-U. Moonon, J. Hu, Sensing and Imaging, 16, No. 4 (2015).

12. C. A. Laben, B. V. Brower, Process for Enhancing the Spatial Resolution of Multispectral Imagery Using Pan-Sharpening, Google Patents, 6011875, 2000-01-04.

13. J. J. Sheng, X. Z. Yang, Z. Y. Dong, W. Jiao, J. Graphics, 39, 201–208 (2018).

14. H. Zhu, Transducer and MicrosystemTechnologies, 30, 131–134, 138 (2011).

15. F. Jing, H. Shaohai, M. Xiaole, J. Systems Eng. and Electronics, 32, 81–91 (2021).

16. Y. Chen, S. K. Park, Y. Ma, R. Ala, IEEE Transactions on Neural Networks, 22, 880–892 (2011).

17. M. Yin, X. Liu, Y. Liu, X. Chen, IEEE Transactions on Instrumentation and Measurement, 68, 49–64, (2019).