抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
目的:全色画像の空間詳細情報増強とマルチスペクトル画像のスペクトル情報保持は通常互いに矛盾であり、如何にこの矛盾の中で最適な融合効果を実現させるかは、従来のリモートセンシング画像融合領域の研究焦点と難点である。スペクトル情報と空間詳細情報を効果的に結合するために,マルチスペクトルと全色画像の融合品質を改善し,形態学的フィルタリングと改良パルス結合ニューラルネットワーク(PCNN)に基づく非サブサンプリングせん断波変換(NSST)ドメインマルチスペクトルとフルカラー画像融合法を提案した。【方法】まず第一に,マルチスペクトルと全色画像を非サブサンプリング剪断波に変換した。2つの低周波数部分を形態学的フィルタと高域変調フレーム(HPM)で融合し,全色画像の低周波数サブバンドの詳細情報を多重スペクトル画像の低周波数サブバンドに注入し,融合した低周波数サブバンドを得た。高周波成分は,改良パルス結合ニューラルネットワークによって融合して,さらに,融合画像における空間詳細情報を強化した。最後に,融合画像をNSST逆変換により得た。【結果】シミュレーション結果は,融合画像の詳細が明瞭で,スペクトル忠実度が高く,視覚効果に優れ,他の方法と比較して,すべての評価指標は他の方法より優れていることを示した。5つの方法と比較して,3つの融合結果の最良値,明瞭度および空間周波数は,NSCT-PCNN方法と比較して,それぞれ0.5%および1.0%増加し,そして,スペクトル歪は,NSST-PCNN方法と比較して,4.2%減少した。相関係数はNSST-PCNN法より1.4%高く,情報エントロピーはNSST-PCNN法より0.08%低かった。相関係数とスペクトル歪度の2つの指標の評価結果は,他の5つの方法と比較して,スペクトル情報,明瞭度,および空間周波数の2つの指標をより良く保持することができて,提案方法が他の比較方法より良い空間詳細注入能力を有することを示した。情報エントロピー指数は最適値ではなかったが,最適値に近かった。【結語】視覚効果および客観的評価指数の分析は,融合画像の空間解像度を改善するとともに,スペクトル情報をうまく維持することができることを示した。総合的に見ると、本論文の方法は主観的と客観的な方面において、いずれも輝度色調飽和度(IHS)法、主成分分析(PCA)法、非負行列分解(CNMF)法より優れている。非サブサンプリングカンターレット変換とパルス結合ニューラルネットワーク(NSCT-PCNN)および非サブサンプリングせん断波変換とパルス結合ニューラルネットワーク(NSST-PCNN)に基づく5種類の古典的および既存のポピュラーな方法の融合効果に基づく。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】
