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,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。
　　本論文主要圍繞小波變換和脈沖耦合神經網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)據物理意義的基礎上,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(脈沖耦合神經網絡)相結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對比度觸發(fā)PCNN的新的融合規(guī)則。此算法