一种高分辨率遥感图像辐射重建方法技术

本发明专利技术属于图像处理领域，提出了一种高分辨率遥感图像辐射重建方法，包括以下步骤：获得待重建区域t1时刻下的高分辨率遥感图像L1，以及t1、t2时刻下的低分辨率遥感图像M1、M2；分别对L1和M1、M2进行逐波段的离散小波变换处理；计算L2的高频分量L2(bi,HH)、低频分量L2(bi,HH)、高低频的混合分量L2(bi,HL)和L2(bi,LH)；进行小波变换的逆变换，重建出t2时刻尺寸为n×n的高分辨率遥感图像L2。本发明专利技术更准确的描述、表达和处理多源遥感影像的时间、空间（尤其是纹理特征）以及光谱特征信息，可广泛应用于遥感图像处理领域。

【技术实现步骤摘要】
一种高分辨率遥感图像辐射重建方法
本专利技术属于图像处理领域，具体涉及一种高分辨率遥感图像辐射重建方法。
技术介绍
当前的高空间分辨率遥感影像辐射重建方法一般是利用基于反射率的时空融合技术来处理得到，时空融合技术的本质是通过将基于多个采集时相的低空间-高时间分辨率遥感影像所建立的辐射关联模式应用到对应时相的高空间-低时间分辨率遥感影像，进而利用已知时相的高空间-低时间分辨率影像以及多时相的低空间-高时间分辨率数据来预测得到目标时相下的高空间-低时间分辨率遥感影像。在上述数据预测过程中，地物的纹理特征与光谱特征是获得高质量融合结果的两个关键要素，当前已发展出一些能够有效合成光谱特征的融合方法(如STARFM(TheSpatialandTemporalAdaptiveReflectanceFusionModel)算法)，但鉴于高空间分辨率影像和低空间分辨率影像之间的空间尺度差异问题，针对纹理特征的融合过程描述尚不成熟，一般需依赖多时序(两个及以上)的高空间分辨率数据(如ESTARFM(EnhancedSTARFM)算法)或处理效率较低(如基于稀疏学习的时空融合算法)。
技术实现思路
本专利技术克服现有技术存在的不足，所要解决的技术问题为：提供一种更准确的高分辨率遥感图像辐射重建方法。为了解决上述技术问题，本专利技术采用的技术方案为：一种高分辨率遥感图像辐射重建方法，其特征在于，包括以下步骤：S1：获得待重建区域t1时刻下的高分辨率遥感图像L1，以及t1、t2时刻下的低分辨率遥感图像M1、M2，其中，L1、M1、M2三幅图像的波段数量相同，均为b，图像尺寸也相同，均为n×n，待重建的图像为该区域t2时刻下的高分辨率遥感图像L2；S2：通过降采样方法或者像元聚合技术将L1处理成为尺寸为(n/2)×(n/2)的图像L′1；并对L′1的全波段图像进行非监督分类，得到包含m个类别的分类结果图像K；S3：分别对原始的高分辨率遥感图像L1和低分辨率遥感图像M1、M2进行逐波段的离散小波变换处理，对高分辨率遥感图像L1处理后得到高频分量L1(bi,HH)、低频分量L1(bi,LL)以及高低频的混合分量L1(bi,HL)和L1(bi,LH)，对低分辨率遥感图像M1、M2处理后分别得到高频分量M1(bi,HH)、低频分量M1(bi,LL)、高低频的混合分量M1(bi,HL)和M1(bi,LH)以及高频分量M2(bi,HH)、低频分量M2(bi,LL)、高低频的混合分量M2(bi,HL)和M2(bi,LH)；其中bi代表波段；S4：根据高频分量L1(bi,HH)、M1(bi,HH)、M2(bi,HH)计算L2的高频分量L2(bi,HH)；根据低频分量M1(bi,LL)和M2(bi,LL)以及高低频的混合分量M1(bi,HL)、M1(bi,LH)、M2(bi,HL)和M2(bi,LH)计算L2的低频分量L2(bi,LL)、高低频的混合分量L2(bi,HL)和L2(bi,LH)；S5：利用步骤S4所求解得到的L2的高频分量L2(bi,HH)、低频分量L2(bi,LL)、高低频的混合分量L2(bi,HL)和L2(bi,LH)进行上述小波变换的逆变换，重建出t2时刻尺寸为n×n的高分辨率遥感图像L2。所述步骤S4中，计算得到L2的高频图像L2(bi,HH)的具体步骤为：S401：在高频分量图像L1(bi,HH)中设置一个以待处理像元p(x,y)为中心的z×z个像元大小的滑动窗口，其中，z＝INT(r/s)，r为低分辨率遥感图像M1的分辨率，s表示高分辨率遥感图像L1的分辨率，bi表示波段；S402：计算待处理像元p(x,y)与滑动窗口内的坐标为(e,f)的相似像元j的相对空间距离d′，计算公式为：其中，d表示像元p(x,y)与其相似像元j的欧几里得距离，其计算公式为：S403：计算待处理像元p(x,y)的相似像元j的权重函数Wj(p)，计算公式为：S404：分波段计算得到L2的高频分量图像L2(bi,HH，p)，计算公式为：其中，j表示待处理像元p(x,y)在滑动窗口内的相似像元的编号，J为滑动窗口内的光谱相似像元数量，其通过借助分类图像K在此滑动窗口内搜寻与待处理像元p(x,y)属于同一类别的邻近像元得到。所述步骤S4中，计算得到L2的低频分量图像L2(bi,LL)、高低频的混合图像和L2(bi,HL)，L2(bi,LH)的具体步骤为：根据关系式M2(bi,LL,k)＝u×M1(bi,LL,k)+v，进行最小二乘回归方法计算得到分类结果图像K中的类别k的线性模型的斜率u和截距参数v，然后根据线性模型的斜率u和截距参数v计算得到类别k的低频分量图像L2(bi,LL,k)、高低频的混合图像L2(bi,HL,k)和L2(bi,LH,k)，计算公式为：L2(bi,LL,k)＝u×L1(bi,LL,k)+v；L2(bi,HL,k)＝u×L1(bi,HL,k)+υ；L2(bi,LH,k)＝u×L1(bi,LH,k)+v；针对分类结果图像K中的每一个类别均采用上述求解步骤则可得到所有类别的低频分量图像L2(bi,LL)、高低频混合图像L2(bi,HL)和L2(bi,LH)。所述步骤2中，采用的ISODATA或K-Means对L′1的全波段图像进行非监督分类。所述步骤3中，分别对原始的高分辨率遥感图像L1和低分辨率遥感图像M1、M2进行逐波段的离散小波变换处理时，小波变换处理过程为一层小波变换或二层小波变换或二层以上的小波变换。本专利技术与现有技术相比具有以下有益效果：本专利技术首先利用小波变换将所有时相下的对应波段数据转换为1个高频分量(HH)与3个包含低频的分量(HL、LH、LL)来提升融合算法对于纹理特征的描述精度，再采用邻域光谱贡献法来处理高频分量，以及利用逐地类的线性回归建模来处理3个包含低频的分量，以此来最大程度的保留高、低空间分辨率影像间的辐射光谱融合精度；在利用上述两种处理模式分别处理得到目标时相下高分辨率影像的1个高频分量与3个包含低频的分量数据后，再利用小波逆变换来合成目标时相下的高空间分辨率反射率数据，本方法只需单个时相的高空间分辨率遥感影像以及两个时相的低空间分辨率遥感影像即可处理得到高空间分辨率的遥感影像，本方法的核心是将基于单数据对的时间-空间反射率融合数据分解成高频与包含低频的两类分量并进行针对性的时空融合处理，从而可以更准确的描述、表达和处理多源遥感影像的时间、空间(尤其是纹理特征)以及光谱特征信息，进而可以更加准确的预测地物在空间维的变化信息。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例；基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例提供了一种高分辨率遥感图像辐射重建方法，包括以下步骤：S1：获得某地表区域在t1时刻下的高分辨率遥感图像L1，以及t1、t2时刻下的低分辨率遥感图像M1、M2，其中，L1、M1、M2三幅图像的波段数量相同，均为b，图像尺寸也相同，均为n×n，假设待重建的图像为该区域t2时刻下的高分辨率遥本文档来自技高网...

【技术保护点】
1.一种高分辨率遥感图像辐射重建方法，其特征在于，包括以下步骤：S1：获得待重建区域t1时刻下的高分辨率遥感图像L1，以及t1、t2时刻下的低分辨率遥感图像M1、M2，其中，L1、M1、M2三幅图像的波段数量相同，均为b，图像尺寸也相同，均为n×n，待重建的图像为该区域t2时刻下的高分辨率遥感图像L2；S2：通过降采样方法或者像元聚合技术将L1处理成为尺寸为(n/2)×(n/2)的图像L′1；并对L′1的全波段图像进行非监督分类，得到包含m个类别的分类结果图像K；S3：分别对原始的高分辨率遥感图像L1和低分辨率遥感图像M1、M2进行逐波段的离散小波变换处理，对高分辨率遥感图像L1处理后得到高频分量L1(bi，HH)、低频分量L1(bi，LL)以及高低频的混合分量L1(bi，HL)和L1(bi，LH)，对低分辨率遥感图像M1、M2处理后分别得到高频分量M1(bi，HH)、低频分量M1(bi，LL)、高低频的混合分量M1(bi，HL)和M1(bi，LH)以及高频分量M2(bi，HH)、低频分量M2(bi，LL)、高低频的混合分量M2(bi，HL)和M2(bi，LH)；其中bi代表波段；S4：根据高频分量L1(bi，HH)、M1(bi，HH)、M2(bi，HH)计算L2的高频分量L2(bi，HH)；根据低频分量M1(bi，LL)和M2(bi，LL)以及高低频的混合分量M1(bi，HL)、M1(bi，LH)、M2(bi，HL)和M2(bi，LH)计算L2的低频分量L2(bi，LL)、高低频的混合分量L2(bi，HL)和L2(bi，LH)；S5：利用步骤S4所求解得到的L2的高频分量L2(bi，HH)、低频分量L2(bi，LL)、高低频的混合分量L2(bi，HL)和L2(bi，LH)进行上述小波变换的逆变换，重建出t2时刻尺寸为n×n的高分辨率遥感图像L2。...

【技术特征摘要】
1.一种高分辨率遥感图像辐射重建方法，其特征在于，包括以下步骤：S1：获得待重建区域t1时刻下的高分辨率遥感图像L1，以及t1、t2时刻下的低分辨率遥感图像M1、M2，其中，L1、M1、M2三幅图像的波段数量相同，均为b，图像尺寸也相同，均为n×n，待重建的图像为该区域t2时刻下的高分辨率遥感图像L2；S2：通过降采样方法或者像元聚合技术将L1处理成为尺寸为(n/2)×(n/2)的图像L′1；并对L′1的全波段图像进行非监督分类，得到包含m个类别的分类结果图像K；S3：分别对原始的高分辨率遥感图像L1和低分辨率遥感图像M1、M2进行逐波段的离散小波变换处理，对高分辨率遥感图像L1处理后得到高频分量L1(bi，HH)、低频分量L1(bi，LL)以及高低频的混合分量L1(bi，HL)和L1(bi，LH)，对低分辨率遥感图像M1、M2处理后分别得到高频分量M1(bi，HH)、低频分量M1(bi，LL)、高低频的混合分量M1(bi，HL)和M1(bi，LH)以及高频分量M2(bi，HH)、低频分量M2(bi，LL)、高低频的混合分量M2(bi，HL)和M2(bi，LH)；其中bi代表波段；S4：根据高频分量L1(bi，HH)、M1(bi，HH)、M2(bi，HH)计算L2的高频分量L2(bi，HH)；根据低频分量M1(bi，LL)和M2(bi，LL)以及高低频的混合分量M1(bi，HL)、M1(bi，LH)、M2(bi，HL)和M2(bi，LH)计算L2的低频分量L2(bi，LL)、高低频的混合分量L2(bi，HL)和L2(bi，LH)；S5：利用步骤S4所求解得到的L2的高频分量L2(bi，HH)、低频分量L2(bi，LL)、高低频的混合分量L2(bi，HL)和L2(bi，LH)进行上述小波变换的逆变换，重建出t2时刻尺寸为n×n的高分辨率遥感图像L2。2.根据权利要求1所述的一种高分辨率遥感图像辐射重建方法，其特征在于，所述步骤S4中，计算得到L2的高频图像L2(bi，HH)的具体步骤为：S401：在高频分量图像L1(bi，HH)中设置一个以待处理像元p(x，y)为中心的z×z个像元大小的滑动窗口，其中，z＝INT(r/s)...

【专利技术属性】
技术研发人员：李大成，葛艳琴，杨文府，韩启金，马灵玲，高海亮，李胜林，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西,14