本发明专利技术公开了一种基于子字典稀疏重构的全色与多光谱遥感图像融合方法，通过将高空间分辨率多光谱字典看成是由各个波段的高空间分辨率光谱字典的合并组成，再分别通过各个波段的光谱图像和全色图像构建各个波段的子字典，使其即包含光谱信息又包含空间信息，从而解决因缺乏高空间分辨率的多光谱数据其字典较难构建的问题；并基于稀疏重构模型给出完整的融合方法。与现有同类方法相比，本发明专利技术不需要引入其它多组全色与多光谱图像或其它模拟高空间分辨率的多光谱图像，而是直接采用源图像构建，提高了方法的实际应用性能与字典的自适应性，使得融合图像在保持光谱信息的同时融入更多的空间细节信息，融合效果更好。
【技术实现步骤摘要】
本专利技术设及图像处理
，具体设及一种基于子字典稀疏重构的全色与多光 谱遥感图像融合方法。
技术介绍
基于重构的方法是近年来兴起的一种新的全色与多光谱遥感图像融合方法。此类 方法基本思路是将全色与多光谱遥感图像看作是其对应的高空间分辨率多光谱图像的退 化，再对其进行建模并通过正则项约束解空间，从而将图像融合的过程转变成逆问题的求 解过程。 L巧日化ngtu首次利用图像稀疏表示的先验知识，提出基于压缩传感理论的全色与 多光谱图像融合方法，将全色与多光谱图像融合问题转化成具有线性约束的信号恢复恢复 问题，其信号的恢复与求解是建立在信号稀疏表示的基础上的，因此，字典的构造直接影响 信号恢复的效果。Li和化ng在构造字典时，从其他已知的高空间分辨率的多光谱图像中随 机采样，构造出具有高空间分辨率的多光谱图像字典。并且在对模拟的全色与多光谱图像 融合中获得了较前两类方法更优的融合效果。 然而，在实际应用中，高空间分辨率(米级或亚米级）的多光谱图像本身正是期望 得到的融合结果图像，不易获得。针对此问题Jiang等人W提出将其它多组全色和多光谱 图像构成样本对，并用K-SVD对每对样本训练字典，在把所有字典W对角线方式排列进行级 联，构成最终字典。运种方法需要其他多对全色和多光谱图像对，并且最终构成的对角级联 字典将达到1280X20000维，计算量巨大。化eng等人W提出了一种两步字典学习方法，直接 从源多光谱与全色图像自身出发训练字典，首先用AWLP方法进行粗融合，再把粗融合的结 果做为训练样本，用线性约束的K-SVD方法训练字典。运种方法较前几种方法更为实用，但 是粗融合的结果不可避免的将影响训练字典的性能，使得字典中的原子不能有效表示融合 图像，最终会影响融合结果。 本方案中设及的参考文献： . IEEE Transactions on Geoscience and 民emote Sensing,2011,49(2): 738-746. C.Jiang,H.Y.Zhang,H.F.Shen,et al.A Practical Compressed Sensing-based Pan-sharpening Method. IEEE Geoscience and 民emote Sensing Letters, 2012,9(4):629-633. M.Cheng，C.Wang，J.Li.Sparse Representation Based Pansharpening Using Trained Dictionary. IEEE Geoscience and 民emote Sensing Letters,2014， 11(1):293-297. Y. Zhang . Problems in the Fusion of Commercial High-resolution Satellite Images as Well as Landsat-TImages and Initial Solutions// Archives Photogramming Remote Sensing Spatial Information.2002:587-592. C.A.Laben,V.Bernard,W.Brower.Process for Enhancing the Spatial Resolution of Multispectral Imagery using Pan-sharpening,U.S.Patent 6011875, Jan.4,2000. X.Otazu,M.Gonzalez-AudIcana,0.Fors,J.Nunez . Introduction of Sensor Spectral Response into Image Fusion Method:Application to Wavelet-based Methods. IEEE Transactions on Geoscience and Remote Sensing,2005,43(10): 2376-2385. L.Alparone,L. Wald,J.Chanussot,C. Thomas ,P.Gamba,L.Bruce. Comparison of Pansharpening Algorithms:Outcome of the 2006GRS-S data-fusion Contest, IEEE Transactions on Geoscience and Remote Sensing,2007,45(10):3012-3021. Z.Li,H.Leung.Fusion of Multispectral and panchromatic images using a restoration-based method. IEEE Transactions on Geoscience and Remote Sensing,2009,47(5):1482-1491. L.Alparone,B.Aiazzi,S.Baronti ,A.Garzelli,F.Nencini, M.Selva.Multi spectral and Panchromatic Data Fusion Assessment without Reference.Photogrammetric Engineering and Remote Sensing,2008,74(2):193-200.
技术实现思路
本专利技术针对现有基于稀疏重构的全色与多光谱遥感图像融合方法中字典较难构 建的问题，提出，W提高方法的实 际应用性能。 为了实现上述任务，本专利技术采用W下技术方案： -种，包括W下步骤：步骤一，高空间分辨率多光谱图像字典的构造步骤1.1，将B个波段的YMSb (b = 1，2，. . .，B)分别上采样成与YPAN大小相同的图 像，记为 MSb(b=l，2，...，B);[002。 步骤1.2,从YPANW及其对应位置处的MSb(b=l，2, . . .，B)中随机选M个大小为 ^/^^x^后图像块，并将图像块拉直成向量依次排列，组成第a(aeb)个波段的子字典，即 Da=式I式l4^y_MSb,j，与yPAr^j分别表示MSb与YPAN图像中的第j个图像块拉直成的向量，j = 1,2,. . . ,M； 步骤1.3,采用步骤1.2的方法依次构造 B个波段的子字典化(b= I，2, . . .，B); 步骤1 .4,子字典的级联构成了高空间分辨率多光谱图像字典D，即D = t;步骤二，基于稀疏重构的图像融合步骤2.1，对￥156 (b=l，2，...，B)、YPA^、别 W 大小为X (^/;^/')、人 X 的滑 动窗口依次按照从左上到右下的顺序提取图像块，提取图像块时的步长均为1，再将图像块 拉直并依次排列组成矩阵yMSb(b=l，2,. . .，B)与yPAN;[002引步骤2.2，令，其中 和 为单位矩阵，1为长度为丫的全1向量;令M2= (WlI，化1，. . .，WbI，. . .，wbI)，其中I G IRBx"为单 位矩阵，*本文档来自技高网...
【技术保护点】
一种基于子字典稀疏重构的全色与多光谱遥感图像融合方法，其特征在于，包括以下步骤：记YPAN和YMS分别表示已知的全色图像和多光谱图像，XMS表示未知高空间分辨率的多光谱图像，其中YMS和XMS的第b个波段的图像分别记为YMSb(b＝1,2,...,B)和XMSb(b＝1,2,...,B)，B表示光谱波段总数目，记全色图像与多光谱图像的空间分辨率之比为γ:1；步骤一，高空间分辨率多光谱图像字典的构造步骤1.1，将B个波段的YMSb(b＝1,2,...,B)分别上采样成与YPAN大小相同的图像，记为MSb(b＝1,2,...,B)；步骤1.2，从YPAN以及其对应位置处的MSb(b＝1,2,...,B)中随机选M个大小为图像块，并将图像块拉直成向量依次排列，组成第a(a∈b)个波段的子字典，即：Da＝[y_MSb,1,y_MSb,2,...,y_MSb,M,yPAN1,yPAN2,...,yPANM] 式1式1中y_MSb,j,与yPANj分别表示MSb与YPAN图像中的第j个图像块拉直成的向量，j＝1,2,...,M；步骤1.3，采用步骤1.2的方法依次构造B个波段的子字典Db(b＝1,2,...,B)；步骤1.4，子字典的级联构成了高空间分辨率多光谱图像字典D，即D＝[D1D2...Db...DB]T。步骤二，基于稀疏重构的图像融合步骤2.1，对YMSb(b＝1,2,...,B)、YPAN分别以大小为的滑动窗口依次按照从左上到右下的顺序提取图像块，提取图像块时的步长均为1，再将图像块拉直并依次排列组成矩阵yMSb(b＝1,2,...,B)与yPAN；步骤2.2，令M1=(1/γ2)·In×n⊗(1T⊗(I(n/γ)×(n/γ)⊗1T)),]]>其中和为单位矩阵，1为长度为γ的全1向量；令M2＝(w1I,w2I,...,wbI,...,wBI)，其中为单位矩阵，wb(b＝1,2,...,B)表示每个波段对应线性组合的权重，并且满足步骤2.3，建立模型，令：y＝M×xMS+v 式2其中，y=yMS1yMS2...yMSb...yMSByPAN,]]>M=M1M2,]]>xMS=xMS1xMS2...xMSb...xMSB,]]>v=v1v2,]]>xMS表示XMSb以的滑动窗口依次按照从左上到右下的顺序提取图像块，并图像将块拉直依次排列组成的矩阵；v1与v2分别表示未知高空间分辨率多光谱图像退化成多光谱图像与全色图像的噪声；步骤2.4，采用BP算法求解下面方程α=arg min||α||0s.t.||y-Φα||22≤ϵ]]> 式3其中，Φ＝MD，D表示步骤1.4中的字典，α为稀疏表示系数；ε表示容许误差，||α||0表示α的l0范数，||y‑Φα||2表示y‑Φα的l2范数；步骤2.5，将xMS进行重构：xMS＝D·α 式4步骤2.6，将将xMSb矩阵中的每一列排列成大小的块，再将这些块按照从左上到右下的顺序放到XMSb的对应位置处，并取平均，从而得到融合图像XMSb(b＝1,2,...,B)。...
【技术特征摘要】
【专利技术属性】
技术研发人员：王珺，彭进业，周剑虹，艾娜，马建，祝轩，管子玉，杨瑞靖，罗鹏，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西;61
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。