结合自适应PCNN的非下采样剪切波遥感影像融合

为解决全色与多光谱遥感影像融合中脉冲耦合神经网络参数不能自适应调节问题，提出一种基于参数自适应脉冲耦合神经网络模型（PA-PCNN）和保持能量属性（EA）融合策略相结合的非下采样剪切波变换（NSST）的遥感影像融合方法：①通过提取多光谱影像YUV颜色空间变换的Y亮度分量并与全色影像进行NSST变换，获得高频系数和低频系数。②针对低频子带系数，采用EA法进行融合；针对高频子带系数，通过PA-PCNN模型得到的最优参数，以确定最优的PCNN模型，进而实现高频子带系数的融合。③将NSST和YUV进行逆变换得到融合影像。本文选取空间频率、相对无量纲全局误差、相关系数、视觉信息保真度、基于梯度的融合性能和结构相似度测量等6种客观评价指标对融合影像的光谱和空间细节评价，利用多组不同分辨率全色和多光谱遥感影像，通过与4种融合方法对比验证，结果表明本文方法在视觉感知和客观评价方面总体优于其他全色与多光谱遥感影像融合方法。