基于 NSST 与自适应 PCNN相结合的卫星云图融合
Opto-Electronic Engineering(2016)
摘要
为了综合利用红外和可见光云图的天气信息,本文提出一种基于非下采样 shearlet(NSST)与自适应脉冲耦合神经网络(PCNN)相结合的红外和可见光卫星云图融合方法。首先利用 NSST 对红外和可见光卫星云图进行多尺度、多方向分解,然后对分解得到的低频子带系数采用基于局部区域方差和局部区域能量的自适应加权方法进行融合,高频子带系数采用改进的自适应 PCNN 进行融合,其中脉冲耦合神经网络的连接强度依据高频系数区域特征的不同重要性,通过一个 S 型模糊隶属度函数自适应确定。最后对融合完成的低频和高频分量进行 NSST 逆变换得到最终的融合云图。实验结果表明,基于本文提出方法的融合图像无论是从主观视觉效果,还是客观评价指标都要优于文中对比的典型融合方法,能为后续的天气分析和处理提供具有更加丰富的气象资料。
更多查看译文
AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要