多源异构图像伪彩色融合中的联合稀疏表示与耦合字典学习
图像与视频处理
2023-10-17 v1 信号处理
摘要
考虑到耦合字典学习（CDL）方法能够获得资源图像间合理的线性数学关系，我们提出了一种基于 CDL 的合成孔径雷达（SAR）与多光谱伪彩色融合新方法。首先，采用传统的 Brovey 变换对配对的 SAR 与多光谱图像进行预处理。然后，利用 CDL 基于由源图像通过强制联合稀疏编码生成的字典来捕获预处理后图像对之间的相关性。随后，利用该字典对中的联合稀疏表示，通过计算重构误差构建图像掩膜，从而生成最终融合图像。基于 Sentinel-1 卫星的 SAR 图像与 Landsat-8 卫星的多光谱图像的实验验证结果表明，所提方法能获得优越的视觉效果，并在光谱失真、相关系数、MSE、NIQE、BRISQUE 和 PIQE 方面表现出优异的定量性能。
引用
@article{arxiv.2310.09937,
title = {Joint Sparse Representations and Coupled Dictionary Learning in Multi-Source Heterogeneous Image Pseudo-color Fusion},
author = {Long Bai and Shilong Yao and Kun Gao and Yanjun Huang and Ruijie Tang and Hong Yan and Max Q. -H. Meng and Hongliang Ren},
journal= {arXiv preprint arXiv:2310.09937},
year = {2023}
}
备注
To appear in IEEE Sensors Journal