【图像融合】基于加权 IHS PCA三种像素级算法实现遥感图像融合附matlab代码

最新推荐文章于 2024-10-15 09:59:15 发布

原创最新推荐文章于 2024-10-15 09:59:15 发布 · 818 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#matlab #算法 #计算机视觉

图像处理专栏收录该内容

871 篇文章

订阅专栏

该博客介绍了遥感图像融合技术的发展，指出经典算法存在的光谱失真问题，并提出了一种基于加权IHSPCA的像素级融合方法。通过Matlab代码展示了图像处理流程，包括读取图像、图像显示及平均梯度计算。讨论了如何在保持高空间分辨率的同时降低光谱失真的挑战。引用了相关文献并提供了博主的背景信息，擅长领域涉及图像处理和信号处理。

1 简介

遥感图像融合技术作为遥感图像分析的一种有效手段,近年来已经得到了快速发展.目前,虽然已经存在许多经典的融合算法,但这些算法的融合结果会在不同程度上出现光谱失真,色调变异等现象.如何使得融合结果在具有较高的空间分辨率的同时,降低图像光谱失真程度,已成为现在遥感领域研究的热点问题之一.基于加权 IHS PCA三种像素级算法实现遥感图像融合。

2 部分代码

clear
g_R=0;
g_G=0;
g_B=0;
h_R=0;
h_G=0;
h_B=0;
fenzi_R=0;
fenzi_G=0;
fenzi_B=0;
fenmu_up_R=0;
fenmu_up_G=0;
fenmu_up_B=0;
fenmu_low_R=0;
fenmu_low_G=0;
fenmu_low_B=0;
tableR=[];
tableG=[];
tableB=[];
up=imread('high.jpg');         %读图像
low=imread('low.jpg');



G=RGB(:,:,2);
B=RGB(:,:,3);
RGB=uint8(round(RGB));   
figure,
subplot(131);imshow(low); 
title('加权-RGB表示的低分辨率图像');

subplot(132);        
imshow(up);                                     %读RGB数值
title('加权-RGB表示的高分辨率图像');
subplot(133);
imshow(RGB)
title('加权-RGB转化后的图像');





              %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
              %                       下面是计算平均梯度G                          %
              %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%