基于Tetrolet变换的偏振遥感图像融合算法研究

For object tracking and recognition, the objects in the low contrast background are esier to be recognized by the image fusion-based polarization information analysis approaches. Tetrolet transform is a multiscale and multidirectional anisotropy transform using two-dimension classical Haar-type wavelet decomposition. For the tetrolet transform, a spare image representation can be provided by a special tetrominoes segmentation method. Meanwhile, more edge and texture information of the polarization image can be preserved, and the polarization character is still retained. In this project, we will carry out studies of Tetrolet transform-based polarization remote sensing image fusion algorithms. The main tasks of this project can be summarized as four aspects:.(1).Analyze the relationship between the high frequency coefficient distribution and the image details in Tetrolet decomposition to determine the physical concept of the corresponding polarization information..(2).Investigate the geometrical regular direction changes of multi-scale high frequency coefficients, and relocate the tetrominoes serial number further to eliminate the Gibbs effect..(3).Investigate how to select the optimal multi-scale fusion algorithm through a multi-feature extraction strategy..(4).Investigate how to enhance the flooding wave of the low contrast polarization image by a multi-feature fusion strategy to improve the image visual effect..Through the study of the aforementioned issues, a set of new methods for the polarization image fusion based on tetrolet transform are proposed, and a novel idea is provided to establish a more effective, more efficient and more robust polarization remote sensing image fusion system.

基于图像融合的偏振信息解析方法在目标跟踪和识别中可以显著提高目标在低对比度背景环境中被有效识别的能力。Tetrolet变换是采用二维经典Harr小波分解的多尺度多方向的各向异性变换，特殊的四格拼板分割的方法能在实现图像稀疏表达的同时保留偏振图像更多边缘和纹理，保持偏振特性的不变性。本项目拟开展基于Tetrolet变换的偏振遥感图像融合算法研究，包括以下四个方面：（1）研究Tetrolet高频系数的分布规律与图像细节的关系以明确对应偏振信息物理意义；（2）研究融合后多尺度高频系数的几何正则方向变化,实现四格拼版序号的重新定位以消除Gibbs现象；（3）研究多特征信息提取实现多尺度融合算法的选择（4）通过多特征融合提高低对比度偏振图像背景杂波的影响以提高视觉效果。拟通过以上研究，提出基于Tetrolet变换的偏振图像融合新方法，为实现高效、高精度和鲁棒的偏振遥感图像融合提供新的思路。

为了得到有效的图像多尺度几何表达，本项目开展了Tetrolet 变换的基本原理的研究，提出了一种有效的基于Harr小波变换的平稳Tetrolet变换算法，并将平稳tetrolet变换应用到偏振遥感图像的融合中,解决了Tetrolet 变换在图像融合中会出现方块效应的Gibbs现象。. 项目研究了Tetrolet变换高频系数的分布规律与图像细节的关系以明确对应高频信息物理意义；研究了Tetrolet变换多尺度高频系数的几何正则方向变化,实现四格拼版序号的重新定位以消除Gibbs 现象；研究了多特征信息提取实现多尺度融合算法的选择；研究了平稳Tetrolet变换在图像融合中的应用并与传统多尺度变换进行性能比较以获得新的图像融合算法的优点。 . 项目对平稳Tetrolet变换的分解和重构算法进行了研究与详细的描述，利用平稳Tetrolet变换对图像的分解进行了仿真与分析。实验结果表明，与传统算法相比，提出的算法在保留原始图像边缘和纹理信息的同时，可以有效地取得较好的稀疏表达，能消除Tetrolet 变换算法对图像融合存在方块效应的缺陷，为图像融合提供了一种新型的图像融合途径。与Curvelet、Contourlet 和Directionlets 等多尺度几何变换相比，平稳Tetrolet变换具有与其他多尺度几何变换相同的多尺度各向异性，在图像融合中计算复杂度更小，运算速度更快，具有更好的鲁棒性。