自适应字典学习的卷积稀疏表示遥感图像融合

作     者：杨勇 李露奕 黄淑英 张迎梅 卢航远 Yang Yong;Li Luyi;Huang Shuying;Zhang Yingmei;Lu Hangyuan

作者机构：江西财经大学信息管理学院江西南昌330032 江西财经大学软件与物联网工程学院江西南昌330032 

出 版 物：《信号处理》 (Journal of Signal Processing)

年 卷 期：2020年第36卷第1期

页      面：125-138页

核心收录：

学科分类：0810[工学-信息与通信工程] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 081002[工学-信号与信息处理] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61662026,61862030) 江西省自然科学基金(20182BCB22006,20181BAB202010,20192ACB20002,20192ACBL21008) 江西省教育厅科技项目(GJJ170312,GJJ170318) 江西省研究生创新项目(YC2019-B094,YC2018-B065) 

主　　题：遥感图像融合 卷积稀疏表示 非抽取小波变换 引导滤波 

摘      要：基于细节注入方案的遥感图像融合主要包括两个步骤:空间细节提取与注入。为保证被提取细节的质量与确定合适的调制系数,本文提出一种基于自适应字典学习的卷积稀疏表示遥感图像融合方法。该方法先利用引导滤波和非抽取小波变换来分别获取全色图像和多光谱图像的空间细节;然后自适应地学习提取空间细节的字典,并将其引入卷积稀疏表示模型来重构联合细节图像;最后,将联合细节通过联合判别调制系数注入到上采样的多光谱图像中得到最终融合结果。实验结果表明,本文方法的融合结果无论从主观效果还是客观定量评价,都优于一些主流的遥感图像融合方法。