基于多尺度几何分析和PCA变换的高光谱遥感图像融合方法技术

本发明专利技术涉及一种基于多尺度几何分析和PCA变换的高光谱遥感图像融合方法，其特征在于，包括以下步骤：对N个波段的高光谱图像进行预处理、配准；分别对N个波段的高光谱图像进行多尺度几何分析变换，获取每一个波段高光谱图像的多尺度几何分析系数Cj(i)和几何流Gj(i)；用PCA变换分析N个波段高光谱图像的多尺度几何分析系数和几何流，获得各自的主成分；进行多尺度几何分析逆变换，重构得到融合新图像。通过本发明专利技术的方法获取的遥感图像质量更好，也将会更有利于遥感图像的提取、分类等后续处理。

Hyperspectral remote sensing image fusion method based on Multiscale Geometric Analysis and PCA transform

The invention relates to a hyperspectral remote sensing image fusion method of multiscale geometric analysis and based on the PCA transform, is characterized by comprising the following steps: hyperspectral image of N band pre-processing, hyperspectral image registration; respectively on N band of multiscale geometric analysis of multiscale geometric transform, obtain each a band of hyperspectral image analysis (I) and factor Cj (I) Gj geometric flow; multiscale geometric N band hyperspectral image analysis using PCA transform coefficient and geometric flow analysis, obtained their principal component analysis; multi-scale geometric transform, the new image is reconstructed to obtain fusion. The quality of remote sensing images obtained by this method is better, and it will be more conducive to remote sensing image extraction, classification and other follow-up processing.

【技术实现步骤摘要】
基于多尺度几何分析和PCA变换的高光谱遥感图像融合方法
本专利技术涉及一种高光谱遥感图像的融合方法。
技术介绍
遥感是利用任何物体都有不同的电磁波反射或辐射特征，通过获取地面目标反射或辐射出来的电磁波来得到目标信息，并对所获得的信息进行处理，实现目标的定位、识别、定性或定量的描述等。遥感科学是一门综合性科学，它以空间信息科学、电子信息科学、光学、计算机科学、生物、化学等学科为基础，通过对空间对象的观测，为国民经济和科学研究等人类活动提供了丰富的海量遥感影像数据。多尺度几何分析变换是基于边缘的一种二维小波变换，通过把图像中的几何特征定义为矢量场，而不是简单的看作普通边缘的集，能够自适应地跟踪图像的几何正则，正则表达式的约束，到达自适应的稀疏表达图像，被称之为自适应的多尺度几何分析工具。PCA变换是通过使用PrincipalComponentsaAnalysis选项生成互不相关的输出波段，达到隔离噪声和减少数据集的维数的方法。高光谱图像超多的波段数目形成了海量的数据，处理高光谱图像就面临着维数过多的问题：波段选择、运算效率低等困难。
技术实现思路
本专利技术的目的是将多尺度几何分析和PCA变换结合起来融合高光谱遥感图像。为了达到上述目的，本专利技术的技术方案是提供了一种基于多尺度几何分析和PCA变换的高光谱遥感图像融合方法，其特征在于，包括以下步骤：步骤1、对N个波段的高光谱图像进行预处理、配准；步骤2、分别对N个波段的高光谱图像进行多尺度几何分析变换，获取每一个波段高光谱图像的多尺度几何分析系数Cj(i)和几何流Gj(i)，式中，j表示融合的源图像的个数，i表示第j幅图像中分割的块数；步骤3、用PCA变换分析N个波段高光谱图像的多尺度几何分析系数和几何流，获得各自的主成分，分别记为CF(i)和GF(i)；步骤4、将CF(i)作为多尺度几何分析系数，将GF(i)作为几何流，进行多尺度几何分析逆变换，重构得到融合新图像。优选地，所述步骤2包括：步骤2.1、对原始的高光谱图像f(x,y)进行二维正交小波变换；步骤2.2、对步骤2.1得到的图像进行二进四叉树分割，直到最底层块的分解尺度达到预先设定的最小尺度，获得图像的多尺度几何分析块，分割时，采用借助目标函数的最小化准则对图像各高频子带最佳分割块大小进行优化，达到最优的分割；步骤2.3、在多尺度几何分析块内选择最佳几何方向，即几何流Gj(i)，同时计算多尺度几何分析系数。优选地，步骤2.2中所述优化包括以下步骤：步骤2.2.1、将L初始化为4，对每个尺寸为L×L的方块S计算最佳方向和相应的Lagrange函数值，将多尺度几何分析块L_0(S)初始化为本步骤计算得到的Lagrange函数值；步骤2.2.2、令L＝2L，对每个尺寸为L×L的方块S计算最佳几何流方向和相应的Lagrange函数值L(S)；步骤2.2.3、对每个尺寸为L×L的方块S，分割为四个孩子，分别记为S1,S2,S3,S4，这4个孩子作为叶节点联合在一起的Lagrange函数值为：式中，L_0(S、1)L_0S(、2)L_S、0(3L)S_分0别(表4)示四个子块的Lagrange值，λ表示Lagrange乘子，T表示量化阈值；步骤2.2.4、令步骤2.2.5、若L＝2∧(j/2)，j表示分割块的大小，返回步骤2.2.2，否则输出L_0(S)作为四叉树分割的结果。优选地，步骤2.3中，几何流Gj(i)的计算步骤包括：步骤2.3A.1、在多尺度几何分析块内进行角度的采样；步骤2.3A.2、构造一个与子带同样大小网格点，然后计算每个网格点在采样角度上的正交投影误差，随后将与网格点位置相对应的子带系数进行一维小波变换，即实现了曲波变换；步骤2.3A.3、最小Lagrange系数L(f_θ,R)的采样角度即为几何流Gj(i)：L(f_θ,R)＝||f_θ-f□_θ||∧2+λ·T∧2(R_g+R_b)式中，f_θ表示一维小波系数，R表示比特系数，f□_θ表示曲波变换所得的一维小波系数进行量化后所得的量化系数，R_g表示对几何流编码所需的比特率数量，R_b表示量化后的多尺度几何分析系数编码所需比特系数。优选地，步骤2.3中，在步骤2.2得到的多尺度几何分析块内分别进行多尺度几何分析化得到多尺度几何分析系数，包括以下步骤：步骤2.3B.1、沿几何流方向对小波系数进行重排，得到一维小波系数；步骤2.3B.2、对一维小波系数做一维小波变换，得到多尺度几何分析系数。本专利技术将多尺度几何分析和PCA变换结合起来融合高光谱遥感图像。采用计算图像的熵、平均梯度、标准差的方法进行评价后，通过本专利技术的方法获取的遥感图像质量更好，也将会更有利于遥感图像的提取、分类等后续处理。附图说明图1为本专利技术的流程图；图2为采用本专利技术的方法得到的图像；图3为采用多尺度几何分析方法得到的图像；图4为采用PCA方法得到的图像。具体实施方式为使本专利技术更明显易懂，下面结合具体实施例，并附图作详细说明如下。应理解，这些实施例仅用于说明本专利技术。结合图1，本专利技术提供的一种基于多尺度几何分析和PCA变换的高光谱遥感图像融合方法包括以下步骤：步骤1：N个波段的高光谱图像预处理、配准；高光谱图像不仅记录了地物的图像信息，同时也记录了光谱信息；高光谱图像的每一个波段都单独成像，而这些波段的成像又可以叠加，好像是经过分类之后，每一层单独成像，每一层地物具有相同的辐射值，即光谱信息。步骤2:分别对N个波段的图像进行多尺度几何分析变换，获取每一个波段图像的多尺度几何分析系数Cj(i)和几何流Gj(i)，式中，j表示融合的源图像的个数，i表示第j幅图像中分割的块数；(1)首先对原图像进行二维正交小波变换。假定原图像为f(x,y)，用二维尺度方程和ψ，沿着x轴方向和y轴方向先后进行分解，得到平滑逼近和细节的部分，然后分解对角高频信息。二维正交小波分解的公式如下：式中，fk(i,j)是分解到第k层的低频信息，而fkH(i,j)、fkV(i,j)、fkD(i,j)是水平、垂直、对角方向的高频信息，fk-1(x,y)表示k-1层的高频图像，h(2x-i)表示水平方向高频基函数，h(2y-i)表示垂直方向高频基函数，g(2y-i)表示水平方向低频基函数，g(2x-i)表示垂直方向低频基函数。图像二维小波变换后，就可以进行二进四叉树分割。先将各高频等分成四个小块，每一小块在下一层的分割中又被分成四个小块，依次分割下去，直到最底层的块的分解尺度达到预先设定的最小尺度Jmin，最小值一般设为8×8或8×8。用四叉树表示分解过程，四叉树的叶节点对应的就是多尺度几何分析块。二进四叉树分割，依次达到最小预先设定最小尺度。多尺度几何分析块尺度过小，影响了计算速度；尺度过大，则没有达到几何方向分析的最优目的。对于各高频子带最佳分割块大小，采用借助目标函数的最小化准则，达到最优的分割。设最底层小方块的尺寸大小为8×8，优化过程如下：(a)将L初始化为4，对每个尺寸为L×L的方块S计算最佳方向和相应的Lagrange函数值，将多尺度几何分析块L_0(S)初始化为本步骤计算得到的Lagrange函数值；(b)令L＝2L，对每个尺寸为L×L的方块S计算最佳几何流方向和相应的Lagrange函数值L(S)；本文档来自技高网...

【技术保护点】
一种基于多尺度几何分析和PCA变换的高光谱遥感图像融合方法，其特征在于，包括以下步骤：步骤1、对N个波段的高光谱图像进行预处理、配准；步骤2、分别对N个波段的高光谱图像进行多尺度几何分析变换，获取每一个波段高光谱图像的多尺度几何分析系数Cj(i)和几何流Gj(i)，式中，j表示融合源图像个数，i表示图像分割块数；步骤3、用PCA变换分析N个波段高光谱图像的多尺度几何分析系数和几何流，获得各自的主成分，分别记为CF(i)和GF(i)；步骤4、将CF(i)作为多尺度几何分析系数，将GF(i)作为几何流，进行多尺度几何分析逆变换，重构得到融合新图像。

【技术特征摘要】
1.一种基于多尺度几何分析和PCA变换的高光谱遥感图像融合方法，其特征在于，包括以下步骤：步骤1、对N个波段的高光谱图像进行预处理、配准；步骤2、分别对N个波段的高光谱图像进行多尺度几何分析变换，获取每一个波段高光谱图像的多尺度几何分析系数Cj(i)和几何流Gj(i)，式中，j表示融合源图像个数，i表示图像分割块数；步骤3、用PCA变换分析N个波段高光谱图像的多尺度几何分析系数和几何流，获得各自的主成分，分别记为CF(i)和GF(i)；步骤4、将CF(i)作为多尺度几何分析系数，将GF(i)作为几何流，进行多尺度几何分析逆变换，重构得到融合新图像。2.如权利要求1所述的一种基于多尺度几何分析和PCA变换的高光谱遥感图像融合方法，其特征在于，所述步骤2包括：步骤2.1、对原始的高光谱图像f(x,y)进行二维正交小波变换；步骤2.2、对步骤2.1得到的图像进行二进四叉树分割，直到最底层块的分解尺度达到预先设定的最小尺度，获得图像的多尺度几何分析块，分割时，采用借助目标函数的最小化准则对图像各高频子带最佳分割块大小进行优化，达到最优的分割；步骤2.3、在多尺度几何分析块内选择最佳几何方向，即几何流Gj(i)，同时计算多尺度几何分析系数。3.如权利要求2所述的一种基于多尺度几何分析和PCA变换的高光谱遥感图像融合方法，其特征在于，步骤2.2中所述优化包括以下步骤：步骤2.2.1、将L初始化为4，对每个尺寸为L×L的方块S计算最佳方向和相应的Lagrange函数值，将多尺度几何分析块L_0(S)初始化为本步骤计算得到的Lagrange函数值；步骤2.2.2、令L＝2L，对每个尺寸为L×L的方块S计算最佳几何流方向和相应的Lagrange函数值L(S)；步骤2.2.3、对每...

【专利技术属性】
技术研发人员：朱卫东，刘宇宸，邱振戈，栾奎峰，沈蔚，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：上海,31