遥感图像contourlet变换域压缩融合

？基于传统分块压缩感知(bcs)的图像融合中，由于空间域bcs采样缺乏考虑图像的全局特性，导致融合图像重构质量差，且存在分块效应。首先将输入图像在contourlet变换(ct)域稀疏表示，并对ct分解系数进行分块压缩感知；再对压缩采样线性加权融合；最后用迭代阈值投影(itp)方法重构融合图像，并消除分块效应。提出了基于contourlet变换域分块压缩感知(ctbcs)的遥感图像压缩融合方法，并给出算法的详细实现流程。基于bcs和ctbcs进行压缩采样，再用itp算法进行图像重构，仿真结果显示，与bcs相比，ctbcs采样有效考虑了图像的全局特性，基于ctbcs的itp重构收敛速度更快，重构计算复杂度更小，重构精度更好，对应的重构图像峰值信噪比(psnr)更高；实际资料测试结果表明，基于ctbcs的压缩融合效果比基于bcs的压缩融合效果更好，更接近常规ct融合效果。ctbcs压缩融合用较少量采样点获得与常规ct相比拟的融合结果，有效实现了大数据量遥感图像的压缩融合。