Trong chương này, chúng tôi Giới thiệu các biến đổi Hermite (HT) là một công cụ hiệu quả cho remotesensing ứng dụng xử lý hình ảnh. HT Các đại diện hình ảnh là một mô hình đó Một số bắt chước của các thuộc tính quan trọng của nhận thức thị giác con người có nguồn gốc, cụ thể là địa phương định hướng phân tích và mô hình Gaussian phái sinh của thị lực sớm. Chúng tôi giới hạn của chúng tôi thảo luận để các lĩnh vực giảm tiếng ồn và phản ứng tổng hợp hình ảnh. Tuy nhiên nhiều khác nhau giải. | 12_ The Hermite Transform An Efficient Tool for Noise Reduction and Image Fusion in Remote-Sensing Boris Escalante-Ramirez and Alejandra A. Lopez-Caloca CONTENTS The Hermite The Hermite Transform as an Image Representation The Steered Hermite Transform. 277 Noise Reduction in SAR Fusion Based on the Hermite Fusion Scheme with Multi-Spectral and Panchromatic Experimental Results with Multi-Spectral and Panchromatic Images . 285 Fusion Scheme with Multi-Spectral and SAR Experimental Results with Multi-Spectral and SAR Conclusions . 289 References . 290 Introduction In this chapter we introduce the Hermite transform HT as an efficient tool for remotesensing image processing applications. The HT is an image representation model that mimics some of the more important properties of human visual perception namely the local orientation analysis and the Gaussian derivative model of early vision. We limit our discussion to the cases of noise reduction and image fusion. However many different applications can be tackled within the scheme of direct-inverse HT. It is generally acknowledged that visual perception models must involve two major processing stages 1 initial measurements and 2 high-level interpretation. Fleet and Jepson 1 pointed out that the early measurement is a rich encoding of image structure in terms of generic properties from which structures that are more complex are easily detected and analyzed. Such measurement processes should be image-independent and require no previous or concurrent interpretation. Unfortunately it is not known what primitives are necessary and sufficient for interpretation or even identification of meaningful features. However we know that for image processing purposes linear operators that exhibit special kind
