基于非负稀疏矩阵的WorldView-2遥感全色与多光谱图像融合方法技术

本发明专利技术提供了一种基于非负稀疏矩阵的WorldView‑2遥感全色与多光谱图像融合方法，涉及图像融合领域，通过使用一种非负矩阵分解算法对多光谱图像进行亮度分量提取，然后使用HCS变换对图像进行融合，得到融合图像，在细节注入和光谱保持方面都得到了一定的提升，最终得到了高质量的融合结果，由于对I分量的提取采用了NMF方法，提高了亮度分量的提取精度，较对比算法更合理，使得WV‑2卫星融合图像整体质量较高，在细节信息融入和光谱保持方面都有一定的提高，主观评价和客观分析结果能够达到一致，得到的融合图像可视性更好，图片更清晰。较传统的遥感全色与多光谱图像融合方法更有优势。

【技术实现步骤摘要】

本专利技术涉及图像融合领域，尤其是遥感全色与多光谱图像融合的一种方法。
技术介绍
近年来，新型卫星遥感多光谱图像的波段数在不断增加，图像的分辨率也在快速地提高。以WorldView-2(WV-2)卫星为例，WV-2卫星于2009发射升空，能够提供8波段1.84米分辨率的多光谱图像和单波段0.46米分辨率的全色图像。与传统卫星图像相比具有以下特点：波段增加，光谱划分更细；全色图像的光谱覆盖范围变窄，使之与多光谱波段的光谱匹配发生较大的变化。在遥感应用上，往往需要同时具有高空间和高光谱分辨率的图像。图像融合技术就是利用高空间分辨率的全色图像去提高多光谱图像的空间分辨率，同时尽量保持多光谱图像的光谱特性不变。WV-2卫星图像代表了超高分辨率遥感图像的发展趋势，同时也为遥感图像的融合提出了更高的要求。正是由于这些变化，使现有的融合方法效果不佳。目前很多遥感图像融合算法都有提取亮度分量的过程，例如，Brovey变换、HCS变换和MSFIM方法，亮度分量提取的好坏将直接影响融合结果，对算法的性能有很大的影响。其中，MSFIM算法是一种基于亮度平滑滤波调制(SFIM)算法的改进算法，但此改进算法虽然改善了细节信息的融入，却产生了较SFIM算法更差的光谱畸变。为降低MSFIM方法中的光谱畸变，需要改变亮度分量与全色图像的比值，使比值更接近1，即应该使亮度分量与全色图像的光谱响应特性更相似。其他对亮度分量的提取方法有均值法、加权均值法和各波段算术平均法。其实这些方法都是传统方法的演变，提取的亮度分量不够精确。
技术实现思路
现有的融合方法针对的是传统卫星遥感多光谱图像，对于超高分辨率遥感图像而言，并不是最优的图像融合方法，且现有的亮度分量提取方法并不能较好的解决细节融入和光谱畸变问题，使得提取的亮度分量不够精确。为了克服现有技术的不足，本专利技术通过使用一种非负矩阵分解(Non-negative Matrix Factorization，NMF)的算法对多光谱图像进行亮度分量提取，然后使用HCS变换对图像进行融合，得到融合图像，本专利技术的融合图像在细节注入和光谱保持方面都得到了一定的提升，最终得到了高质量的融合结果。本专利技术解决其技术问题所采用的技术方案包括如下步骤：步骤1.使用非负矩阵分解法提取I分量首先，将全色图像Pan和八波段的多光谱图像X1,X2,…,X8按行拉直，得到P,M1,M2,…,M8向量，再按公式(1)组成待分解矩阵V，即V＝[P,M1,M2,...,M8] (1)其中，P,M1,M2,…,M8分别为全色图像Pan及八波段多光谱图像X1,X2,…,X8运算时将图像矩阵拉成相应的列向量；其次，再令[P,M1,M2,...,M8]＝WH (2)其中W为n*r矩阵，n为矩阵W的行数，r为矩阵W的列数，H为r*9矩阵，分解后W为一个列向量，将W恢复成图像矩阵即所得到的I分量；步骤2.使用Pan分量匹配I分量令P'2＝(Pan)2 (3)其中Pan为全色图像，即用P'变量代替Pan变量，然后，以下公式即使用P'2分量匹配步骤1所得的I2分量： P ′ ′ 2 = σ 0 σ 1 ( P ′ 2 - μ 1 + σ 1 ) + μ 0 - σ 0 - - - ( 4 ) ]]>其中μ0、σ0分别为I2的均值和标准方差，μ1、σ1分别为P'2的均值和标准方差，P”2为匹配后的I2分量； I a d j = P ′ ′ 2 - - - ( 5 ) ]]>用Iadj分量代替P”分量来表示匹配后的I分量；步骤3.使用超球面彩色空间分辨率融合HCS变换最终得到新的八波段分量首先，对八波段的多光谱图像X1,X2,...,X8进行HCS正变换得到相应的角度分量φ1,φ2,...,φ7，HCS正变换如下： φ 1 = arctan ( X 8 2 + X 7 2 + ... + X 2 2 X 1 ) ]]> φ 6 = arctan ( X 8 2 + X 7 2 X 6 ) ]]> φ 7 本文档来自技高网...

【技术保护点】
一种基于非负稀疏矩阵的WorldView‑2遥感全色与多光谱图像融合方法，其特征在于包括下述步骤：步骤1.使用非负矩阵分解法提取I分量首先，将全色图像Pan和八波段的多光谱图像X1，X2，…，X8按行拉直，得到P，M1，M2，…，M8向量，再按公式(1)组成待分解矩阵V，即V＝[P，M1，M2，...，M8]          (1)其中，P，M1，M2，…，M8分别为全色图像Pan及八波段多光谱图像X1，X2，…，X8运算时将图像矩阵拉成相应的列向量；其次，再令[P，M1，M2，...，M8]＝WH               (2)其中W为n*r矩阵，n为矩阵W的行数，r为矩阵W的列数，H为r*9矩阵，分解后W为一个列向量，将W恢复成图像矩阵即所得到的I分量；步骤2.使用Pan分量匹配I分量令P′2＝(Pan)2               (3)其中Pan为全色图像，即用P′变量代替Pan变量，然后，以下公式即使用P′2分量匹配步骤1所得的I2分量：P′′2=σ0σ1(P′2-μ1+σ1)+μ0-σ0---(4)]]>其中μ0、σ0分别为I2的均值和标准方差，μ1、σ1分别为P′2的均值和标准方差，P″2为匹配后的I2分量；Iadj=P′′2---(5)]]>用Iadj分量代替P″分量来表示匹配后的I分量；步骤3.使用超球面彩色空间分辨率融合HCS变换最终得到新的八波段分量首先，对八波段的多光谱图像X1，X2，...，X8进行HCS正变换得到相应的角度分量φ1，φ2，...，φ7，HCS正变换如下：φ1=arctan(X82+X72+...+X22X1)]]>φ6=arctan(X82+X72X6)]]>φ7=arctan(X8X7)---(6)]]>其次，对步骤2求得的匹配后的I分量Iadj和角度分量φ1，φ2，...，φ7做HCS反变换得到新的八波段分量X′1，X′2，…，X′8，HCS反变换如下：X′1＝Iadjcosφ1X2′＝Iadjsinφ1cosφ2X7′＝Iadj sinφ1sinφ2...sinφ6cosφ7X8′＝Iadjsinφ1sinφ2...sinφ6sinφ7                (7)步骤4.各波段融合选取步骤3中X′1，X′2，…，X′8中任意三个波段进行融合，即将三波段图像直接放入RGB三通道中，即可得到融合图像。...

【技术特征摘要】
1.一种基于非负稀疏矩阵的WorldView-2遥感全色与多光谱图像融合方法，其特征在于包括下述步骤：步骤1.使用非负矩阵分解法提取I分量首先，将全色图像Pan和八波段的多光谱图像X1，X2，…，X8按行拉直，得到P，M1，M2，…，M8向量，再按公式(1)组成待分解矩阵V，即V＝[P，M1，M2，...，M8] (1)其中，P，M1，M2，…，M8分别为全色图像Pan及八波段多光谱图像X1，X2，…，X8运算时将图像矩阵拉成相应的列向量；其次，再令[P，M1，M2，...，M8]＝WH (2)其中W为n*r矩阵，n为矩阵W的行数，r为矩阵W的列数，H为r*9矩阵，分解后W为一个列向量，将W恢复成图像矩阵即所得到的I分量；步骤2.使用Pan分量匹配I分量令P′2＝(Pan)2 (3)其中Pan为全色图像，即用P′变量代替Pan变量，然后，以下公式即使用P′2分量匹配步骤1所得的I2分量： P ′ ′ 2 = σ 0 σ 1 ( P ′ 2 - μ 1 + σ 1 ) + μ 0 - σ 0 - - - ( 4 ) ]]>其中μ0、σ0分别为I2的均值和标准方差，μ1、σ1分别为P′2的均值和标准方差，P″2为匹配后的I2分量； I a d j = P ′ ′ 2 - - - ( 5 ) ]]>用Iadj分量代替P″分量来表示匹配后的I分量；步骤3.使用超球面彩色空间分辨率融合HCS变换最终得到新的八波段分量首先，对八波段的多光谱图像X1，X2，...，X8进行HCS正变换得到相应的角度分量φ1，φ2，...，φ7，HCS正变换如下： φ 1 = arctan ...

【专利技术属性】
技术研发人员：何贵青，董丹丹，邢思远，梁凡，夏召强，冯晓毅，李会方，谢红梅，吴俊，蒋晓悦，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61