本发明专利技术涉及一种遥感图像的融合方法，根据多光谱和全波段影像的纹理特征和实际情况，分别选取一定的纹理描述算子形成特征向量，提取局部纹理特征，主要操作步骤如下：1、对数据A和数据B进行小波变换，分别获取三层高频和低频小波系数；2、利用3×3的格网对上一步骤得到的小波系数进行滤波，计算每个像元的均值、标准差、信息熵、清晰度和偏差度等指标，形成特征向量矩阵；3、对上述特征向量矩阵进行主成分分析，获取每个像元的第一主成分，形成主成分像元图；4、以每个像元的主成分为权重，分别对高频分量和低频分量进行融合；5、采用质量评价方法进行评价。
【技术实现步骤摘要】
本专利技术设及一种遥感图像的融合方法。
技术介绍
遥感是W不同空间、时间、波谱、福射分辨率提供电磁波谱不同谱段的数据。由于 成像原理不同和技术条件的限制，任何一个单一的传感器的遥感数据都不能全面的反映目 标对象的特征，也就是都有一定的应用范围和局限性。各类非遥感的数据也有它自身的特 点和局限性，倘若将多种不同特征的数据结合起来，相互取长补短，便可W发挥各自的优 势，弥补各自不足，可W更全面地反映地面目标，提供更强的信息解译能力和更可靠的分级 结果，那么该种过程我们就称其为"遥感融合"。图像数据融合是一个对多遥感器的图像数 据和其它信息的处理过程。它着重于把那些在空间上或者时间上冗余或互补的多源数据， 按照一定的规则进行运算处理，获得比任意单一数据更精确、更丰富的信息，生成一幅具有 新的空间、波谱和时间特征的合成图像。它不仅仅是数据间的简单复合，更强调信息的优 化，W突出有用的专题信息，消除或抑制无关的信息，改善目标识别的图像环境，从而增强 解译的可靠性，减少模糊性（即多义性、不安全性、不确定性和误差），改善分类，扩大应用 范围和效果。 遥感影像融合目前可分为=个层次，即像素级（Pixel-level fusion)、特征级 (Fea1:ure-level fusion)、决策级值ecision-level fusion)。像素级影像融合通过直接对 各幅遥感影像对应的像素值进行融合，保持了原有图像的真实感。特征级影像融合是通过 对多源影像的特征值进行融合，能够最大限度地为决策支持服务提供信息。所谓决策级融 合，顾名思义是为决策支持提供服务，是在图像理解W及识别基础上的融合。影像融合的= 个层次之间并不是毫不相关的，它们可W分别在不同层次上进行融合，也可W根据实际需 要在多层次上进行。目前常用的像素级的融合方法有HIS变换法、PCA(主成分）变换法、 Brovey (比值）变换法、WT (小波变换）法。 HIS方法是将多光谱影像从RGB空间转化为HIS空间，用全色波段替换I分量来进 行融合，因I分量中包含了部分光谱信息而容易造成光谱扭曲；PCA方法通过高空间分辨率 的全色波段替换多光谱影像经过K-L变换后的第一主成分实现融合，由于第一主成分集中 了大部分光谱信息，因此逆变换恢复多光谱图像会引起光谱信息的丢失；HPF方法通过高 通滤波器滤除掉高空间分辨率全色波段的光谱信息，将其添加到多光谱图像中，完整的保 留了源图像的光谱信息，但是由于滤掉了高频信息，造成了部分地物纹理结构的损失。传统 意义上使用小波变换的融合算法会舍弃掉高分辨率影像的低频信息，仅仅使用高频信息来 突出图像的边缘特征，该会导致信息的极大浪费，另外由于正交分解算法也会使得融合后 的影像产生边缘效应。为了尽最大限度的保留多光谱和细节信息，人们常常将多分辨率分 析与上述几种经典方法结合，即HIS方法中的I分量或者PC1组分与全色波段图像进行多 分辨率分解与融合，然后由逆变换得到结果图像。 对遥感影像的质量评价不仅在校检遥感器时具有重要的指导意义，而且提供一种 监控手段用于影像的获取和处理。图像融合中的一个关键步骤是如何评价和分析融合算法 的性能和结果，融合效果的好坏，找出一种通用的融合算法W及相应的评价指标。在遥感影 像的质量评价方面，一般评判融合图像的质量是在多种统计分析方法的基础上进行，目前 还没有形成一套完整的、系统的定量化的评估理论；在对遥感影像融合效果的评价方面还 存在着一些问题需要解决。很多方法对融合效果评估时仅通过某些单一指标来进行，且该 些指标仅仅对影像的同一性质进行的评价，或者得出的结论相互矛盾，不具有参考性。目 前，对融合后的影像进行质量评价时，主要包括两种方法；一类是主观评价方法，直接对处 理前后的图像做出评价，便于操作、简单方便，但具有一定的主观随意性，精度不高；另一类 是客观评价方法，主要利用融合前后图像所包含的信息量、平均梯度、相对偏差W及相关系 数等几方面进行客观的评价。 影像融合过程中的关键是确定融合成分的权重，即确定融合规则，研究人员根据 两幅影像的主要特征提出了大量新的融合规则，克服了对应元素直接替代引起的缺陷。本 专利技术是在HIS-WT方法及前人提出的融合规则的基础上，综合考虑两幅影像上地物的实际 特征和客观评价结果，通过对评价参数进行主成分分析，分别赋予要素不同的权重，从而发 明一种适应区域特征的动态加权融合方法。
技术实现思路
本专利技术的目的之一是提供一种能够突出地物边缘特征、融合效果更好、客观评价 更好的遥感融合方法。[000引本专利技术的目的之二在于提供上述方法的使用步骤。 本专利技术的目的可化围过W下措施达到： 纹理通常被认为是在局部窗口内，影响灰度级之间的空间分布及空间相互关系， 是由某个区域中多个像素来表征的，该些像素之间具有较强的相关性，不是孤立存在的。灰 度共生矩阵成为最常见和广泛应用的一种纹理统计分析方法，它通过用影像灰度级之间联 合条件概率密度p(i，j/d，0)来表示计算纹理，Haralick提出了 14中纹理特征。通过参 数模板、统计分析、模式相关等方法提取地物特征，与多光谱图像进行融合，可W有效的改 善融合质量。.刘成云等2011年提出了一种区域特征动态加权的HIS小波遥感影像融合算 法，本专利技术在此方法的基础上，对特征向量进行主成分分析，提取第一和第二主成分进行特 征加权。 设有待融合的图像A和B。A为高分辨率图像，B为多光谱图像。首先通过从B中 选择相关性最小的=个波段进行HIS变换，获取多光谱影像中I分量，记为町。对上述融合 两种组分分别进行小波变换，得到低频小波系数Sa(2^x，y)、Sm(2^x，y)和高频小波系数 W\ (2J ;x，y)、WKm(2J ;x，y)，其中，J为小波分解的层数，为避免分块效应，文中J取2 ;K = 1、2、3表示小波分解的水平、垂直和对角线方向。 本专利技术对于低频和高频系数分别使用不同的融合规则进行处理。 由于低频系数代表影像的背景值，信息量大，对于低频系数采用加权融合准则，融 合准则如下： Sa(2了，X，y) = ki XSa(2了，X，y) +k2 XSbi(2了，X，y)[001引其中；ki表示小波系数Sa性;x，y)的权重，k2表示Sbi性;x，y)的权重值。对于高 频部分，采用区域特征自适应加权的融合准则，融合准则如下：[001 糾 (2J，a-，.v) = b X 巧片，如')+ X 巧(2J，a-，.v) 其中；ki表示小波系数W/巧，x，y)的自适应权重值，k2表示Wb/巧，x，y)的自适 应权重值，其定义如下：[001 引k、=P(f:;) / +P(f；；)lk: = \-k、 其中，P也n)为图像A像元的特征向量中的第一主成分；P咕n)为图像B像元的特 征向量中的第1主成分，融合过程中，首先从最低层进行融合，分别对低频和高频系数利用 上述算法处理W后进行重构，形成上一层的低频系数，然后接着处理上一层的低频和高频 系数，直至完成融合。 为了确保纹理描述特征的代表性和典型性，本专利技术选取了区域能量、信息滴、平均 梯度、标准差、均值等5个特征来构造特征向量，首先建立一个3X3的滑动网格，利用网格 对两幅图像进行滤波本文档来自技高网...
【技术保护点】
利用3×3的格网对上一步骤得到的小波系数进行滤波，计算每个像元的均值、标准差、信息熵、清晰度和偏差度等指标，形成特征向量矩阵；对上述特征向量矩阵进行主成分分析，获取每个像元的第一主成分，形成主成分像元图；以每个像元的主成分为权重，分别对高频分量和低频分量进行融合。
【技术特征摘要】
【专利技术属性】
技术研发人员：高歆，
申请(专利权)人：许昌学院，
类型：发明
国别省市：河南;41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。