基于衛(wèi)星云圖融合算法的研究.pdf

1、本文以氣象衛(wèi)星采集到的紅外云圖和可見光云圖作為圖像融合的主要數(shù)據(jù),旨在通過多尺度分析方法提高紅外云圖的分辨率,為強對流云的檢測和預警準確性奠定良好的基礎(chǔ)。
　　本論文主要圍繞小波變換和脈沖耦合神經(jīng)網(wǎng)絡及其在圖像融合中的應用研究展開,主要進行了以下幾個方面的工作:
　　討論了小波變換和多小波變換的一般理論,給出了圖像的二進制小波變換算法。研究了多小波變換的圖像融合方法,在考慮衛(wèi)星云圖的圖像數(shù)據(jù)物理意義的基礎(chǔ)上,在Visual

2、C++平臺上實現(xiàn)將高空間分辨率的可見光紋理細節(jié)信息融合到低空間分辨率的紅外云圖中。實驗表明,該方法得到了較高分辨率的紅外云圖,提高了紅外云圖數(shù)據(jù)的物理信息量和準確性。
　　本文重點討論了將NSCT(非采樣Contourlet變換)與PCNN(脈沖耦合神經(jīng)網(wǎng)絡)相結(jié)合提出一種新的適合于可見光和紅外圖像融合的算法。利用NSCT變換的多尺度、多方向特征和平移不變性進行圖形融合,利用其空間頻率與方向?qū)Ρ榷扔|發(fā)PCNN的新的融合規(guī)則。此算法