数据同化框架下基于差分进化的遥感图像融合算法-Data assimilation framework based on differential evolution algorithm for remote sensing image fusion

当红外图像中包含较强噪声时, C-V 模型水平集分割方法会产生大量冗余轮廓 同时, C-V 水平集采用偏 微分方程( PDE) 实现, 存在计算量大、分割速度慢的缺点。为此, 本文提出了改进的快速算法, 该算法保留了C-V 模型的全局优化特性, 并通过窗口滤波整合图像邻域空间信息来构建曲线进化的外部速度, 从而提高C-V 模型 的抗噪性并减少分割中产生的冗余轮廓 采用基于双链表的快速水平集算法来实现曲线的演化, 去除了传统算 法中的重新初始化和PDE 求解的过程, 减少了迭代步数

差分进化算法的实现 是基于Matlab代码的-Differential evolution algorithm