发明 一种基于多尺度形态学梯度的自适应简化脉冲耦合神经网络模型的遥感图像融合方法
计算机视觉 遥感图像 探测分析 地理分析 深度学习 卫星传感器 影像处理 计算机视觉 遥感图像 探测分析 地理分析 深度学习 卫星传感器 影像处理 【计算机视觉 遥感图像 探测分析 地理分析 深度学习 卫星传感器 影像处理】 4人
G06T5/50 G06N3/04
摘要：本发明属于遥感图像融合领域，具体涉及一种基于多尺度形态学梯度的自适应简化脉冲耦合神经网络模型的遥感图像融合方法；该方法包括：获取合成孔径雷达图像和多光谱图像；对合成孔径雷达图像分别进行高斯曲率滤波分解和高斯滤波分解，得到小尺度图像、大尺度图像和基尺度图像；对多光谱图像进行色彩饱和强度变换，得到强度图像；对基尺度图像和强度图像进行融合，得到近似图像；将近似图像、小尺度图像和大尺度图像融合，得到融合后的强度图像；对融合后的强度图像进行重构，得到融合后的遥感图像；本发明将尺度形态学梯度与自适应简化脉冲耦合神经网络结合，避免了块状效应和图像局部模糊的现象。
