基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统二维EMD(empirical mode decomposition)算法在估算图像的均值包络面时易出现“过冲”现象,这使得分解的内蕴模式函数中会出现“灰斑”.针对这个问题,改进一种NLEMD(neighborhood limited empirical modedecomposition)算法.它基于局部均值平稳特性的方法估算图像的最佳局部均值,进而得到图像的均值包络面.该算法在克服了传统二维EMD算法的“过冲”现象的同时降低了时间复杂度.结合人类视觉系统对局部对比度敏感这一特性,提出一种基于多尺度局部对比度和NLEMD的遥感图像融合算法.该算法以NLEMD分解的内蕴模式函数的多尺度局部对比度为指导,对图像的内蕴模式函数进行融合处理.仿真实验表明:该融合算法能更清晰地反映融合图像中的复杂细节信息,提高了图像融合的质量.
推荐文章
基于视觉特性的多尺度对比度塔图像融合及性能评价
视觉特性
对比度金字塔
图像融合
量化评价
多尺度形态学的局部对比度增强优化算法
形态学
多尺度
局部对比度
图像增强
基于限邻域经验模式分解的多波段图像融合
图像融合
多波段图像
经验模式分解(EMD)
局域波
提升静态小波特征对比度多聚焦图像融合算法
图像融合
提升静态小波变换
特征对比度
改进拉普拉斯能量和
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于多尺度局部对比度和限邻域经验模式分解的遥感图像融合方法
来源期刊 宁夏大学学报(自然科学版) 学科 工学
关键词 经验模式分解 限邻域 局部均值平稳 图像融合
年,卷(期) 2012,(1) 所属期刊栏目 数学
研究方向 页码范围 20-24
页数 分类号 TU43|O344
字数 3579字 语种 中文
DOI 10.3969/j.issn.0253-2328.2012.01.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 龙亚 毕节学院计算机科学系 5 15 2.0 3.0
2 姜传贤 桂林理工大学信息科学与工程学院 12 30 2.0 5.0
3 羊四清 湖南人文科技学院计算机科学技术系 54 322 9.0 16.0
4 杨铁军 桂林理工大学信息科学与工程学院 13 45 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (36)
共引文献  (47)
参考文献  (9)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(3)
  • 参考文献(0)
  • 二级参考文献(3)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(6)
  • 参考文献(1)
  • 二级参考文献(5)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(7)
  • 参考文献(2)
  • 二级参考文献(5)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
经验模式分解
限邻域
局部均值平稳
图像融合
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
宁夏大学学报(自然科学版)
季刊
0253-2328
64-1006/N
大16开
银川市西夏区文萃北街217号
74-7
1980
chi
出版文献量(篇)
2266
总下载数(次)
4
总被引数(次)
11395
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导