基于特征级的多传感器图像融合
计算机视觉与模式识别
2012-09-18 v1
摘要
迄今为止，像素级图像融合技术一直是遥感数据处理与分析中最具相关性的方法。因此，本文尝试对基于特征级的图像融合展开研究。为此，本文采用了通常基于经验或启发式规则的特征级融合技术。因此，我们在本文中考虑用于融合的特征提取（FE），其目标是寻找原始空间的一种变换，以产生能够尽可能保留或提升信息的新特征。本研究介绍了三种不同类型的图像融合技术，包括基于主成分分析的特征融合（PCA）、分割融合（SF）和边缘融合（EF）。本文还致力于研究评估图像融合（F）质量的分析技术，通过使用包括标准差（SD）、熵（En）、相关系数（CC）、信噪比（SNR）、归一化均方根误差（NRMSE）和差异指数（DI）在内的多种方法，定量估计融合图像的质量和信息改善程度。
引用
@article{arxiv.1108.4098,
title = {Multisensor Images Fusion Based on Feature-Level},
author = {Firouz Abdullah Al-Wassai and N. V. Kalyankar and Ali A. Al-Zaky},
journal= {arXiv preprint arXiv:1108.4098},
year = {2012}
}
备注
Keywords: Image fusion, Feature, Edge Fusion, Segment Fusion, IHS, PCA