基于NSCT的SAR与可见光图像融合方法

　　收稿日期：２０１２０８２３；修回日期：２０１２０９２６　　基金项目：国家自然科学基金资助项目（６０８０２０８４）；西北工业大学基础研究基金资助项 目（ＪＣ２０１１０２６６） 　　作者简介：时丕丽（１９８７），女，山东菏泽人，硕士，主要研究方向为图像融合、多尺度几何分析（ｓｐｌｄａｉｓｙ＠１２６．ｃｏｍ）；郭雷（１９５６），男，教授，主 要研究方向为医学图像处理、多源图像识别与融合、图像检索等；李晖晖（１９７４），女，副教授，主要研究方向为图像融合． 基于 ＮＳＣＴ的 ＳＡＲ与可见光图像融合方法 时丕丽，郭　雷，李晖晖 （西北工业大学 自动化学院，西安 ７１００７２） 摘　要：为了更好地将可见光图像与噪声干扰严重的合成孔径雷达图像融合，提出了一种最大尺度硬阈值去噪 的方法，在此基础上 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 了一种融合规则，根据噪声和信号在 ＮＳＣＴ（ｎｏｎｓｕｂｓａｍｐｌｅｄＣｏｎｔｏｕｒｌｅｔｔｒａｎｓｆｏｒｍ）域的分 解系数特性，将ＮＳＣＴ分解的最大尺首先进行硬阈值去噪，其他高频尺度与最大尺度对应的像素点取值方式保 持一致，在低频系数采用“简单绝对值取大”的融合规则，最后进行ＮＳＣＴ逆变换得到融合图像。实验结果 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明， 该方法能有效抑制斑点噪声，并能充分保留源图像重要特征。 关键词：非下采样Ｃｏｎｔｏｕｒｌｅｔ变换；合成孔径雷达图像；可见光图像；相干斑噪声；图像融合 中图分类号：ＴＰ３９１．４１　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１３）０５１５６８０３ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１３．０５．０７５ ＳＡＲａｎｄｏｐｔｉｃａｌｉｍａｇｅｓｆｕｓｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎＮＳＣＴ ＳＨＩＰｉｌｉ，ＧＵＯＬｅｉ，ＬＩＨｕｉｈｕｉ （ＣｏｌｌｅｇｅｏｆＡｕｔｏｍａｔｉｏｎ，ＮｏｒｔｈｗｅｓｔｅｒｎＰｌｏｙｔｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ７１００７２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＴｏｏｂｔａｉｎｂｅｔｔｅｒｆｕｓｉｏｎｒｅｓｕｌｔｓｏｆｏｐｔｉｃａｌｉｍａｇｅｓａｎｄＳＡＲｉｍａｇｅｓｗｉｔｈｓｅｖｅｒｅｓｐｅｃｋｌｅｎｏｉｓｅ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａ ｈａｒｄｔｈｒｅｓｈｏｌｄｄｅｎｏｉｓｉｎｇｍｅｔｈｏｄｉｎｔｈｅｆｉｎｅｓｔｓｃａｌｅｌｅｖｅｌ（ＤＦＦＳＬ）ａｎｄａｆｕｓｉｏｎａｌｇｏｒｉｔｈｍ．Ａｃｃｏｒｄｉｎｇｔｏｄｉｆｆｅｒｅｎｔｐｒｏｐｅｒｔｉｅｓｏｆ ｎｏｉｓｅａｎｄｓｉｇｎａｌ’ｓＮＳＣＴｄｅｃｏｍｐｏｓｉｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓ，ｆｒｉｓｔｔｈｅａｌｇｏｒｉｔｈｍｃａｒｒｉｅｄｏｕｔｈａｒｄｔｈｒｅｓｈｏｌｄｄｅｎｏｉｓｉｎｇｉｎｔｈｅｆｉｎｅｓｔｓｃａｌｅ ｌｅｖｅｌｏｆｈｉｇｈｆｒｅｑｕｅｎｃｙｃｏｅｆｆｉｃｉｅｎｔｓ．Ｔｈｅｎｉｔｆｕｓｅｄｏｔｈｅｒｓｃａｌｅｌｅｖｅｌｓｏｆｈｉｇｈｆｒｅｑｕｅｎｃｙｃｏｅｆｆｉｃｉｅｎｔｓｉｎａｃｃｏｒｄａｎｃｅｗｉｔｈｔｈｅｆｉｎｅｓｔ ｓｃａｌｅｌｅｖｅｌ．Ｔｈｉｒｄｌｙ，ｉｔｅｍｐｌｏｙｅｄ‘ｃｈｏｏｓｅａｂｓｏｌｕｔｅｍａｘｉｍｕｍ’ｔｏｓｅｌｅｃｔｔｈｅｌｏｗｆｒｅｑｕｅｎｃｙｃｏｅｆｆｉｃｉｅｎｔｓｏｆｔｈｅｆｕｓｅｄｉｍａｇｅ．Ｌａｓｔｉｔ ｏｂｔａｉｎｅｄｔｈｅｆｕｓｉｏｎｉｍａｇｅｓｂｙｉｎｖｅｒｓｅＮＳＣＴ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｆｕｓｉｏｎｒｕｌｅｎｏｔｏｎｌｙｒｅｓｔｒａｉｎｓｔｈｅｓｐｅｃｋｌｅ ｎｏｉｓｅｅｆｆｅｃｔｉｖｅｌｙ，ｂｕｔａｌｓｏｐｒｅｓｅｒｖｅｓｓａｌｉｅｎｔｉｎｆｏｒｍａｔｉｏｎｏｆｏｒｉｇｉｎａｌｉｍａｇｅｓｗｅｌｌ． Ｋｅｙｗｏｒｄｓ：ＮＳＣＴ（ｎｏｎｓｕｂｓａｍｐｌｅｄＣｏｎｔｏｕｒｌｅｔｔｒａｎｓｆｏｒｍ）；ＳＡＲｉｍａｇｅｓ；ｏｐｔｉｃａｌｉｍａｇｅｓ；ｓｐｅｃｋｌｅｎｏｉｓｅ；ｉｍａｇｅｆｕｓｉｏｎ ! 　引言 将合成孔径雷达（ｓｙｎｔｈｅｔｉｃａｐｅｒｔｕｒｅｒａｄａｒ，ＳＡＲ）与可见光 图像进行融合，可以获得地物的多层次特性，进一步揭示地物 的本质特征［１］。但是ＳＡＲ图像与可见光图像的融合一直很难 获得令人满意的效果，影响融合结果的一个重要因素是 ＳＡＲ 图像与可见光图像光谱差异大，以往融合方法常会出现融合对 比度低、细节与纹理信息丢失等现象。基于多尺度几何分析的 图像融合算法是在不同的空间频率上进行的，可获得与人眼的 视觉特性更为接近的融合结果。Ｃｈｅｎ、Ｈａｎ等人［２，３］提出基于 小波变换的ＳＡＲ与多光谱图像融合方法，保留了原始多光谱 图像的光谱特性，但所加入的 ＳＡＲ图像目标多表现为离散的 点状目标，会造成ＳＡＲ图像中重要目标丢失。Ｚｈａｎｇ等人［４］提 出了基于曲波与小波变换的 ＳＡＲ图像融合。Ｈｕａｎｇ等人［５］将 Ｃｏｎｔｏｕｒｌｅｔ［６］应用于 ＳＡＲ与多光谱图像的融合中，充分利用了 Ｃｏｎｔｏｕｒｌｅｔ变换的多分辨率、多方向性和强大的系数表达能力， 融合结果较小波有了明显的改善。非下采样的Ｃｏｎｔｏｕｒｌｅｔ变换 （ＮＳＣＴ）［７］是一种真正的二维图像表示方法，不仅具有小波的 多分辨率特性和时频局部化特性，还具有很好的方向性和各向 异性，且该变换比Ｃｏｎｔｏｕｒｌｅｔ变换具有更灵活的多分辨率、多方 向的图像表示能力，以冗余度换取了平移不变性，克服了Ｃｏｎｔ ｏｕｒｌｅｔ变换的混频现象和吉布斯现象，且经过 ＮＳＣＴ方法分解 后得到的系数图像具有相同大小的尺寸，使得融合规则的设计 更为方便。因此将ＮＳＣＴ引入图像融合，能够更好地提取源图 像的特征，为融合图像提供更多的信息［８，９］。 ＳＡＲ图像会受到严重的相干斑噪声干扰，融合方法如果 没有考虑抑制噪声的因素，斑点噪声甚至会覆盖融合图像的重 要纹理特征，严重影响融合图像的判读性。ＳＡＲ图像去噪经 典方法有中值滤波、维纳滤波、基于图像统计特性的自适应滤 波器Ｌｅｅ滤波，以及目前应用广泛的基于多分辨率分析思想的 相干斑抑制方法，比较著名的有 Ｄｏｎｏｈｏ提出的小波变换阈值 方法［１０］。但是如果在融合前进行滤波去噪处理，将去噪和融 合作为两个独立的步骤，不仅增加了算法的复杂度与存储空 间，又会使图像的重要特征信息出现模糊的现象［１，１１］，因此在 融合规则的设计中应充分考虑对噪声的抑制。基于此，本文提 出了一种基于ＮＳＣＴ的ＳＡＲ和可见光图像的融合方法，融合规 则设计中将阈值去噪的思想作为规则设计的理论依据，充分利 用ＮＳＣＴ变换强大的二维图像表达能力，在图像融合的过程中 兼顾了对ＳＡＲ图像斑点噪声的抑制。 第３０卷第５期 ２０１３年５月　 计 算 机 应 用 研 究 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｖｏｌ．３０Ｎｏ．５ Ｍａｙ２０１３ " 　理论基础 "  " 　 C(<5 基本理论 基于Ｃｏｎｔｏｕｒｌｅｔ变换的 ＮＳＣＴ是一种多尺度、多方向的图 像分解方法，其利用一个双滤波器组结构，将多尺度分解和方 向分解结合到一起。首先利用非下采样塔形滤波器组（ＮＳＰ） 获取图像的多尺度分解，随后用非下采样方向滤波器组对各尺 度图像进行方向分解。ＮＳＣＴ采用非下采样塔形滤波器组 （ｎｏｎｓｕｂｓａｍｐｌｅｄｐｙｒａｍｉｄｆｉｌｔｅｒｂａｎｋ，ＮＳＰＦＢ）和非下采样方向滤 波器组（ｎｏｎｓｕｂｓａｍｐｌｅｄｄｉｒｅｃｔｉｏｎａｌｆｉｌｔｅｒｂａｎｋ，ＮＳＤＦＢ），在分解 和重构过程中不进行下采样，以实现并生成一种灵活的多尺 度、多方向且平移不变的图像分解方法，分解图像与原始图像 具有相同大小的尺寸。 "  # 　 (4/ 图像中噪声和信号的 C(<5 分解系数特性 本文借鉴Ｄｏｎｏｈｏ小波阈值滤波的理论，提出了一种基于 ＮＳＣＴ域噪声和信号系数特性的抑制斑点噪声的方法。考虑到 ＳＡＲ斑点噪声的乘性特性，而小波分析去噪声方法一般是针 对加性噪声滤波，本文采用的小波滤波方法在对图像进行小波 变换前，先对图像作对数变换，将乘性噪声变为加性噪声。 Ｄｏｎｏｈｏ理论指出，由于小波函数在时频域都具有较好的 局部性，同时其多尺度特性使得小波变换对信号具有一种 集 中的能力。自然图像的小波变换系数集中于少数幅值较大的 系数上，而噪声的小波变换系数均匀分布于整个尺度空间（小 波空间），幅度相差不大；并且随着尺度的增大，噪声的变换系 数迅速减小，这是由于大尺度对噪声进行了一定的平滑，使得 噪声的小波变换系数很小。从这点出发，可以通过小波系数 幅值的差异构造一种降噪方法。ＮＳＣＴ同小波变换一样也是一 种多尺度分析工具，因此可以沿用Ｄｏｎｏｈｏ理论，随着变换尺度 的增大，噪声的变换值迅速减小，而信号各尺度却均保持较大 值，那么在最大尺度上的噪声和信号就比较容易区分［１２］，只需 在最大尺度上进行硬阈值去噪，在其他尺度上的相应位置进行 相同的处理即可。 # 　基于 C(<5 的图像融合 #  " 　基本步骤 图１所示为基于 ＮＳＣＴ的 ＳＡＲ图像与可见光图像融合框 图。基于ＮＳＣＴ的图像融合步骤如下： ａ）对已配准的待融合图像进行对数变换。 ｂ）进行 ＮＳＣＴ分解，对 ＳＡＲ图像和可见光图像分别进行 ＮＳＣＴ分解，且多尺度分解为ｊ层以及每个尺度下方向分解数为 ｋ，分别得各自的ＮＳＣＴ系数｛ＨＳＡＲｊ，ｋ，Ｌ ＳＡＲ｝和｛ＨＰＡＮｊ，ｋ，Ｌ ＰＡＮ｝。其中， Ｌ为低频系数，Ｈ为第ｊ尺度下第ｋ个方向的高频子带系数。 ｃ）设计融和规则，进而得到融合后的ＮＳＣＴ系数。其中低 频系数主要是图像的概貌信息，高频系数包含了图像的细节信 息和噪声。因此在融合过程中，需要对图像的高频细节信息和 低频近似信息加以区分，采用不同的融合算子和融合规则。 ｄ）对融合的低频和高频系数进行指数变换。 ｅ）对指数变换后的系数进行ＮＳＣＴ逆变换，得到融合图像。 #  # 　融合规则设计 #  #  " 　高频系数融合规则 １）最大尺度高频系数融合规则 随着变换尺度的增大，噪声的变换系数值迅速减小，而信 号呈现与之截然相反的特征，因此很容易在最大的尺度上将噪 声和真实信号区分开。将待融合ＳＡＲ图像进行ＮＳＣＴ分解，设 分解系数为｛ＨＳＡＲｊ，ｋ，Ｌ ＳＡＲ｝，对ＳＡＲ图像最大分解尺度 Ｊ下、ｋ方 向的ＮＳＣＴ高频子带系数ＨＳＡＲＪ，ｋ进行硬阈值去噪处理，得到处理 后高频子带系数Ｈ ～ＳＡＲ Ｊ，ｋ。 Ｈ ～ＳＡＲ Ｊ，ｋ（ｉ，ｊ）＝ ＨＳＡＲＪ，ｋ（ｉ，ｊ）　ＨＳＡＲＪ，ｋ（ｉ，ｊ）≥Ｔｋ ０　　　　 ＨＳＡＲＪ，ｋ（ｉ，ｊ）＜Ｔ{ ｋ （１） 其中：Ｔｋ为该方向下的设定阈值，按 Ｔｋ＝ω×Ａｋ计算得到；ω 为加权系数，满足 ω＞１；Ａｋ为最大分解尺度 Ｊ下、ｋ方向的 ＮＳＣＴ高频子带系数ＨＳＡＲＪ，ｋ的平均值。合适的阈值 Ｔｋ可以很好 地抑制噪声。 ２）其他高频系数处理 在最大尺度将噪声置零加以抑制，可以认为零点所在位置 对应ＳＡＲ图像中斑点噪声，非零点对应 ＳＡＲ图像中的自然信 号，同时 ＮＳＣＴ分解各个方向的系数矩阵大小一致，像素点一 一对应，因此融合图像的其他尺度子带系数可以在非零处取为 ＳＡＲ图像分解系数，其他位置为全色图像分解系数。这样做 就可以进一步抑制噪声，并且保留全色图的细节信息。 ＨＦｊ，ｋ（ｉ，ｊ）＝ ＨＳＡＲｊ，ｋ（ｉ，ｊ）　Ｈ ～ＳＡＲ Ｊ，ｋ（ｉ，ｊ）＝＝ＨＳＡＲＪ，ｋ（ｉ，ｊ） ＨＰＡＮｊ，ｋ（ｉ，ｊ）　Ｈ ～ＳＡＲ Ｊ，ｋ（ｉ，ｊ）{ ＝＝０ （２） #  #  # 　低频融合规则 ＳＡＲ图像和可见光图像成像机理的差异，造成很多区域 出现极性完全相反的特征，故低频系数采用“绝对值取大”的 融合策略，如式（３）所示。该方法可以从源图像中提取尽可能 多的概貌信息。 ＬＦ（ｉ，ｊ）＝ｍａｘ（ａｂｓ（ＬＳＡＲ（ｉ，ｊ），ＬＰＡＮ（ｉ，ｊ））） （３） $ 　实验结果及其评价 实验数据采用意大利 Ｐａｖｉａ城市的 ＥＲＳ２２ＳＡＲ图像与 Ｌａｎｄｓａｔ７全色图像，如图２（ａ）（ｂ）所示。实验中为了验证算 法的有效性，选择相同的分解方式，ＮＳＣＴ塔形尺度滤波器组为 ｍａｘｆｌａｔ，方向滤波器组为ｄｍａｘｆｌａｔ７，分解为四个尺度，各尺度的 方向数分别为２、４、４、８，其中低频融合规则均为绝对值最大。 图２中，（ｃ）为基于像素点融合算法［８］的高频融合规则为绝对 值最大法；（ｄ）为基于窗口的融合算法［９］的高频融合规则为以 空间频率为度量标准取空间频率较大区域；（ｅ）（ｆ）分别为 ＳＡＲ图像用常用的Ｌｅｅ滤波和阈值去噪算法降斑后，采用基于 ＮＳＣＴ区域窗口的融合策略。 从图２（ｃ）（ｄ）中可以看出，由于 ＳＡＲ图像受到相干斑噪 声的影响，简单的绝对值取大和基于窗口的融合结果受到了相 干斑噪声的严重干扰，图像亮度偏低，接近于 ＳＡＲ图像，全色 图像信息在融合图像中基本没有表现出来。图２（ｅ）（ｆ）中斑 ·９６５１·第５期 时丕丽，等：基于ＮＳＣＴ的ＳＡＲ与可见光图像融合方法 　　　 点噪声得到了一定程度的抑制，但是融合图像中心的亮点区域 模糊，视觉效果远不如后者。从图２（ｇ）（ｈ）（ｉ）可以明显看出 本文方法的斑点噪声得到了有效的抑制，全色图像的细节特征 信息得到了更为清晰和突出的显示。ω越大则融合图像噪声 抑制越好，但图像中的弱小纹理和明亮区域减少，因此可以根 据工程需要灵活选择ω的值。图３所示为部分融合图像右下 方局部放大显示。其中，（ａ）为对比结果中视觉效果较好的 Ｌｅｅ滤波后融合结果放大的显示，可见图像中斑点噪声仍比较 严重；图（ｂ）（ｃ）的噪声得到了有效的抑制，同时细节信息也更 为清晰。 本文选取相关系数、偏差指数、等效视数［１３］为评价指标。 相关系数反映了两幅图像的相关程度，两幅图像的相关系数越 接近于１，表示图像的接近度越好；偏差指数用来表示融合图 像和源图像的偏离程度，偏差指数越小越好；等效视数可以用 来衡量噪声的抑制效果、边缘的清晰度和图像的保持性，等效 视数越大说明抑制噪声的效果越好。计算结果如表１所示。 表１　各种融合方法评价指标值对比 融合方法 相关系数 偏差指数 等效视数 像素点规则 ０．３００５ ０．２８６７ ７．４４８４ 窗口规则 ０．３３２０ ０．２７４７ ７．８９８２ Ｌｅｅ滤波后融合 ０．４５５６ ０．１８７７ ８．６９２５ 阈值去噪后融合 ０．４２５１ ０．２０７６ ９．５４６３ 本文方法（ω＝２） ０．４９２７ ０．１７９８ ９．８５８９ 本文方法（ω＝３） ０．５２２４ ０．１７１６ １０．９５３６ 本文方法（ω＝４） ０．６２８９ ０．１４７７ １１．３７３１ 　　表１的实验数据表明，本文方法得到的融合图像与全色图 具有更强的相关性；偏差指数也明显小于前两种方法；随着 ω 的增大，噪声的抑制效果也越明显；等效视数这一指标较传统 融合方法有显著改善。 % 　结束语 本文提出的基于ＮＳＣＴ的 ＳＡＲ图像与可见光图像的融合 方法充分利用了ＮＳＣＴ强大的二维图像表达能力，有效捕获了 源图像中的细节与纹理信息，改善了 ＳＡＲ与可见光融合图像 对比度低、重要信息丢失的现象。针对 ＳＡＲ图像相干斑噪声 严重的问题，将硬阈值去噪的思想作为融合规则设计的理论依 据，提出了一种比较新颖的图像融合方法，不仅有效抑制了相 干斑噪声，而且克服了先去噪后融合方法造成的融合图像中重 要信息模糊甚至丢失的缺陷；同时该算法将抑制噪声和融合规 则设计一起实现，降低了算法的复杂度，节省了存储空间。实 验结果表明，本文方法对斑点噪声污染严重的 ＳＡＲ和可见光 图像的融合是比较适用的。 参考文献： ［１］ ＹＥＳｈｏｕｓｈｉ，ＺＨＡＯＢａｏｊｕｎ，ＴＡＮＧＬｉｎｂｏ．ＳＡＲａｎｄｖｉｓｉｂｌｅｉｍａｇｅ ｆｕｓｉｏｎｂａｓｅｄｏｎｌｏｃａｌｎｏｎｎｅｇａｔｉｖｅｍａｔｒｉｘｆａｃｔｏｒｉｚａｔｉｏｎ［Ｃ］／／Ｐｒｏｃｏｆ ｔｈｅ９ｔｈＩｎｔｅｒｎａｔｉｏａｎｌＣｏｎｆｅｒｅｎｃｅｏｎＥｌｅｃｔｒｏｎｉｃＭｅａｓｕｒｅｍｅｎｔ＆Ｉｎｓｔｒｕ ｍｅｎｔｓ．２００９：２６３２６６． ［２］ ＣＨＥＮＳｈａｏｈｕｉ，ＺＨＡＮＧＲｅｎｈｕａ，ＳＵＨｏｎｇｂｏ．ＳＡＲａｎｄｍｕｌｔｉ ｓｐｅｃｔｒａｌｉｍａｇｅｆｕｓｉｏｎｕｓｉｎｇｇｅｎｅｒａｌｉｚｅｄＩＨＳｔｒａｎｓｆｏｒｍｂａｓｅｄｏｎａｔｒｏｕｓ ｗａｖｅｌｅｔａｎｄＥＭＤｄｅｃｏｍｐｏｓｉｔｉｏｎｓ［Ｊ］．ＩＥＥＥＳｅｎｓｏｒｓＪｏｕｒｎａｌｓ， ２０１０，１０（３）：７３７７４５． ［３］ ＨＡＮＮｉａｎｌｏｎｇ，ＨＵＪｉｎｘｉｎｇ，ＺＨＡＮＧＷｅｉ．ＭｕｌｔｉｓｐｅｃｔｒａｌａｎｄＳＡＲ ｉｍａｇｅｓｆｕｓｉｏｎｖｉａＭａｌｌａｔａｎｄ?ｔｒｏｕｓｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ［Ｃ］／／Ｐｒｏｃｏｆ ｔｈｅ１８ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＧｅｏｉｎｆｏｒｍａｔｉｏｎｓ．２０１０：１４． ［４］ ＺＨＡＮＧＸｉｎｚｈｅｎｇ，ＨＵＡＮＧＰｅｉｋａｎｇ，ＺＨＯＵＰｉｎｇ．Ｄａｔａｆｕｓｉｏｎｏｆ ｍｕｌｔｉｐｌｅｐｏｌａｒｉｍｅｔｒｉｃＳＡＲｉｍａｇｅｓｂａｓｅｄｏｎｃｏｍｂｉｎｅｄＣｕｒｖｅｌｅｔａｎｄ ｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ［Ｃ］／／Ｐｒｏｃｏｆｔｈｅ１ｓｔＡｓｉａｎａｎｄＰａｃｉｆｉｃＣｏｎｆｅｒｅｎｃｅ ｏｎＳｙｍｔｈｅｔｉｃＡｐｅｒｔｕｒｅＲａｄａｒ．２００７：２２５２２８ ［５］ ＨＵＡＮＧＤｅｎｇｓｈａｎ，ＹＡＮＧＭｉｎｈｕａ．ＳＡＲａｎｄｍｕｌｔｉｓｐｅｃｔｒａｌｉｍａｇｅｓ ｆｕｓｉｏｎｂａｓｅｄｏｎＣｏｎｔｏｕｒｌｅｔａｎｄＨＩＳｔｒａｎｓｆｏｒｍ［Ｃ］／／Ｐｒｏｃｏｆｔｈｅ６ｔｈ ＩｎｔｅｒｎａｔｉｏａｎｌＣｏｎｆｅｒｅｎｃｅｏｎＷｉｒｅｌｅｓｓＣｏｍｍｕｎｉｃａｔｉｏｎｓＮｅｔｗｏｒｋｉｎｇａｎｄ ＭｏｂｉｌｅＣｏｍｐｕｔｉｎｇ．２０１０：１４ ［６］ ＤＯＭＮ，ＶＥＴＴＥＲＬＩＭ．ＴｈｅＣｏｎｔｏｕｒｌｅｔｔｒａｎｓｆｏｒｍ：ａｎｅｆｆｉｃｉｅｎｔｄｉ ｒｅｃｔｉｏｎａｌｍｕｌｔｉｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎ ＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ，２００５，１４（１２）：２０９１２１０６． ［７］ ＣＵＮＨＡＡＬ，ＺＨＯＵＪｉａｎｐｉｎｇ，ＤＯＭＮ．ＴｈｅｎｏｎｓｕｂｓａｍｐｌｅｄＣｏｎｔ ｏｕｒｌｅｔｔｒａｎｓｆｏｒｍ：ｔｈｅｏｒｙ，ｄｅｓｉｇｎａｎｄａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＩＥＥＥＴｒａｎｓＩｍ ａｇｅＰｒｏｃｅｓｓｉｎｇ，２００６，１５（１０）：３０８９３１０１ ［８］ ＺＨＡＮＧＱｉａｎｇ，ＧＵＯＢａｏｌｏｎｇ．Ｒｅｓｅａｒｃｈｏｎｉｍａｇｅｆｕｓｉｏｎｂａｓｅｄｏｎ ｔｈｅｎｏｎｓｕｂｓａｍｐｌｅｄＣｏｎｔｏｕｒｌｅｔｔｒａｎｓｆｏｒｍ［Ｃ］／／ＰｒｏｃｏｆＩＥＥＥＩｎｔｅｒｎａ ｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｎｔｒｏｌａｎｄＡｕｔｏｍａｔｉｏｎ．２００７：３２３９３２４３． ［９］ ＴＡＮＧＬｅｉ，ＺＨＡＯＦｅｎｇ．ＴｈｅｎｏｎｓｕｂｓａｍｐｌｅｄＣｏｎｔｏｕｒｌｅｔｔｒａｎｓｆｏｒｍｆｏｒ ｉｍａｇｅｆｕｓｉｏｎ［Ｃ］／／ＰｒｏｃｏｆＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＷａｖｅｌｅｔＡｎａｌ ｙｓｉｓａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ．２００７：３０５３１０ ［１０］ＤＯＮＯＨＯＬ．Ｄｅｎｏｉｓｉｎｇｂｙｓｏｆｔｔｈｒｅｓｈｏｌｄｉｎｇ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＩｎ ｆｏｒｍａｔｉｏｎＴｈｅｏｒｙ，１９９５，４１（３）：６１３６２７． ［１１］ＬＵＣＩＡＮＯＡ，ＳＴＥＦＡＲＩＯＢ，ＡＮＤＲＥＡＧ，ｅｔａｌ．ＬａｎｄｓａｔＥＴＭ＋ａｎｄ ＳＡＲｉｍａｇｅｆｕｓｉｏｎｂａｓｅｄｏｎｇｅｎｅｒａｌｉｚｅｄｉｎｔｅｎｓｉｔｙｍｏｄｕｌａｔｉｏｎ［Ｊ］． ＩＥＥＥＴｒａｎｓｏｎＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，２００４，４２ （１２）：２８３２２８３９ ［１２］ＬＩＨｏｎｇｊｕｎ，ＬＩＮＪｉｎｇｕｏ，ＭＥＩＸｕｅ，ｅｔａｌ．Ｉｎｆｒａｒｅｄｉｍａｇｅｄｅｎｏｉｓｉｎｇ ａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎａｄａｐｔｉｖｅｔｈｒｅｓｈｏｌｄＮＳＣＴ［Ｃ］／／ＰｒｏｃｏｆＣｏｎｇｒｅｓｓ ｏｎＩｍａｇｅａｎｄＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ．２００８：３５３３５７ ［１３］郭雷，李晖晖，鲍永生．图像融合［Ｍ］．北京：电子工业出版社， ２００８． ·０７５１· 计 算 机 应 用 研 究 　 第３０卷 基于NSCT的SAR与可见光图像融合方法 作者： 时丕丽， 郭雷， 李晖晖， SHI Pi-li， GUO Lei， LI Hui-hui 作者单位： 西北工业大学 自动化学院,西安,710072 刊名： 计算机应用研究 英文刊名： Application Research of Computers 年，卷(期)： 2013,30(5) 本文链接：http://d.g.wanfangdata.com.cn/Periodical_jsjyyyj201305075.aspx