一种自适应的遥感图像全色锐化方法技术

本发明专利技术公开了一种自适应的遥感图像全色锐化方法，属于遥感图像融合技术领域，减少融合结果的光谱失真,提高了融合结果的锐化效果。对低分辨率的多光谱图像进行插值放大，使多光谱图像与相应的全色图像具有相同分辨率；对相同分辨率的全色图像和多光谱图像进行滤波，得到其低频成分；用具有相同分辨率全色图像和多光谱图像与其低频成分进行差分得到相应的高频成分；在两者高频成分的基础上估计出多光谱图像所缺少的初始细节图像；构建对初始细节图像的优化函数，结合快速下降法对初始细节图像优化处理得到适合多光谱图像不同通道的最终细节图像；将最终细节图像注入到多光谱图像相应的通道中得到高分辨率的多光谱图像。本发明专利技术用于遥感图像全色锐化。

【技术实现步骤摘要】

，用于遥感图像全色锐化，涉及遥感图像处 理、图像融合、全色锐化等领域，具体涉及一种全色图像和多光谱图像的融合方法，属于遥 感图像融合

技术介绍
卫星遥感图像是目前被广泛利用的图像类型，主要应用于环境监测、地质勘探、天 气预报等领域。由于卫星传感器技术的限制，同一传感器不能同时获取具有高空间分辨率 和高光谱分辨率的卫星图像。现在卫星通过两种传感器采集两种不同类型的图像数据：全 色图像和多光谱图像，其中全色图像具有较高的空间分辨率，多光谱图像具有较高的光谱 分辨率。可以通过融合全色图像和多光谱图像来获取同时具有高空间分辨率和高光谱分辨 率的图像，即通过提取全色图像的空间细节信息并将其注入到多光谱图像中来提高多光谱 图像的空间分辨率，这一过程也称为全色锐化。 目前，全色锐化方法主要分为三大类：1)多分辨率分析方法，该类方法利用小波 变换、拉普拉斯金子塔、非下采样的contourlets变换等手段提取全色图像的空间细节，并 将其注入到多光谱图像中。该类方法能较好的保存多光谱图像的光谱特性，但对其空间分 辨率的提升效果有限，且时间开销较大。2)光谱重建方法，该类方法将多光谱图像视为理 想的高分辨率多光谱图像的退化图像。利用全色图像的空间细节信息，依靠马尔科夫随机 场、自回归模型等技术重建出高分辨率的多光谱图像。但该类方法存在构建重建模型难度 大，改进空间有限等问题。3)成分替换方法，该类方法通过IHS变换或主成分分析技术，将 多光谱图像转换到不同的色彩空间或不同主成分，然后用全色图像替换I通道或第一主成 分，最后通过相应的反变换来得到具有高空间分辨率的多光谱图像。该类方法能较好的提 高多光谱图像的空间分辨率，但同时也会造成一定的光谱失真。在以上的各种方法中，基于 IHS变换的全色锐化方法因其简单高效而被广泛应用，同时如何减少基于IHS变换融合方 法的光谱失真也成为研宄的热点。 Tuetal?在文献"Afastintensity-hue-saturationfusiontechniquewith spectraladjustmentforIK0N0Simagery"中提出了一种fastIHS融合方法来大幅度减 少传统IHS融合方法的时间开销，并突破了传统IHS变换融合方法只能融合RGB三通道图 像的限制。但该法方法并未有效减少传统IHS变换融合方法的所产生的光谱失真。Rahmani etal.在文献"AnAdaptiveIHSPan-SharpeningMethod" 中提出了一种adaptiveIHS 融合方法，该方法虽然有效的降低了融合结果的光谱失真，但同时也降低了锐化效果，容易 造成融合结果的局部人工痕迹。
技术实现思路
本专利技术针对现有技术的不足之处提供了，本 专利技术有效的减少融合结果的光谱失真，并提高了融合结果的锐化效果。 为了实现上述目的，本专利技术采用的技术方案为： -种自适应的遥感图像全色锐化方法，其特征在于，步骤如下： (1)获取全色图像和低分辨率的多光谱图像，对低分辨率的多光谱图像进行插值 放大，使多光谱图像与相应的全色图像具有相同分辨率； (2)用WLS滤波器对具有相同分辨率的全色图像和多光谱图像进行滤波，得到全 色图像和多光谱图像的低频成分； ⑶用具有相同分辨率的全色图像和多光谱图像与全色图像和多光谱图像的低频 成分进行差分得到全色图像和多光谱图像的高频成分； (4)在全色图像和多光谱图像的高频成分的基础上估计出多光谱图像所缺少的初 始细节图像； (5)构建对初始细节图像的优化函数，用快速下降法对初始细节图像进行优化处 理，得到适合多光谱图像不同通道的最终细节图像； (6)将得到的最终细节图像注入到多光谱图像相应的通道中得到高分辨率的多光 谱图像。 进一步，所述步骤（1)中，对多光谱图像进行插值放大是运用双三次插值算法对 低分辨率的多光谱图像进行插值放大，使多光谱图像与相应的全色图像具有相同分辨率。 进一步，所述步骤（2)中，用WLS滤波器对具有相同分辨率的全色图像和多光谱图 像进行滤波，得到全色图像和多光谱图像的低频成分的具体步骤如下： (21)对全色图像和多光谱图像进行归一化，设相同分辨率的全色图像和多光谱图 像由低频成分和高频成分组成，具体公式表示如下：【主权项】1. ，其特征在于，步骤如下： (1) 获取全色图像和低分辨率的多光谱图像，对低分辨率的多光谱图像进行插值放大， 使多光谱图像与相应的全色图像具有相同分辨率； (2) 用WLS滤波器对具有相同分辨率的全色图像和多光谱图像进行滤波，得到全色图 像和多光谱图像的低频成分； (3) 用具有相同分辨率的全色图像和多光谱图像与全色图像和多光谱图像的低频成分 进行差分得到全色图像和多光谱图像的高频成分； (4) 在全色图像和多光谱图像的高频成分的基础上估计出多光谱图像所缺少的初始细 节图像； (5) 构建对初始细节图像的优化函数，用快速下降法对初始细节图像进行优化处理，得 到适合多光谱图像不同通道的最终细节图像； (6) 将得到的最终细节图像注入到多光谱图像相应的通道中得到高分辨率的多光谱图 像。2. 根据权利要求1所述的，其特征在于；所述步 骤（1)中，对多光谱图像进行插值放大是运用双=次插值算法对低分辨率的多光谱图像进 行插值放大，使多光谱图像与相应的全色图像具有相同分辨率。3. 根据权利要求1所述的，其特征在于；所述步 骤（2)中，用WLS滤波器对具有相同分辨率的全色图像和多光谱图像进行滤波，得到全色图 像和多光谱图像的低频成分的具体步骤如下： (21) 对全色图像和多光谱图像进行归一化，设相同分辨率的全色图像和多光谱图像由 低频成分和高频成分组成，具体公式表示如下：其中，P表示全色图像，pL和PH分别表示全色图像的低频成分和高频成分，MS康示多 光谱图像的第i个通道，MSf巧MSf分别表示多光谱图像的低频成分和高频成分； (22) 由步骤（21)得到的公式，再通过WLS滤波器来得到具有相同分辨率的全色图像和 多光谱图像的低频成分，WLS滤波器可表示如下： g=W(f)， 其中，f表示输入图像，g表示滤波输出图像； W(.)表示WLS滤波器，其具体实现公式如下：其中，^是平衡参数，W济W y表示平滑权重，X和y表示平滑方向； 利用WLS滤波器估计具有相同分辨率的全色图像和多光谱图像的低频成分的具体公 式如下：4. 根据权利要求3所述的，其特征在于；所述步 骤（3)中，用具有相同分辨率的全色图像和多光谱图像与全色图像和多光谱图像的低频成 分进行差分得到全色图像和多光谱图像的高频成分的具体公式为：5. 根据权利要求4所述的，其特征在于；所述步 骤（4)中，在全色图像和多光谱图像的高频成分的基础上估计出多光谱图像所缺少的初始 细节图像的具体步骤为： (41) 根据I服融合算法，多光谱图像在1服空间的强度通道的高频成分IH表示为；其中，N表示多光谱图像的通道数，ai表示第i个通道的权重系数； (42) 为确定每个通道的权重系数a1，根据adaptiveMS算法，IH和pH应尽可能相似， 表述公式如下：(43) 用最小二乘估计来求解步骤（42)中ai的值，具体求解公式如下；(44) 本文档来自技高网...

【技术保护点】
一种自适应的遥感图像全色锐化方法，其特征在于，步骤如下：(1)获取全色图像和低分辨率的多光谱图像，对低分辨率的多光谱图像进行插值放大，使多光谱图像与相应的全色图像具有相同分辨率；(2)用WLS滤波器对具有相同分辨率的全色图像和多光谱图像进行滤波，得到全色图像和多光谱图像的低频成分；(3)用具有相同分辨率的全色图像和多光谱图像与全色图像和多光谱图像的低频成分进行差分得到全色图像和多光谱图像的高频成分；(4)在全色图像和多光谱图像的高频成分的基础上估计出多光谱图像所缺少的初始细节图像；(5)构建对初始细节图像的优化函数，用快速下降法对初始细节图像进行优化处理，得到适合多光谱图像不同通道的最终细节图像；(6)将得到的最终细节图像注入到多光谱图像相应的通道中得到高分辨率的多光谱图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：吴炜，宋亚东，杨晓敏，刘凯，严斌宇，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川;51