一种遥感图像自适应融合方法技术

本发明专利技术公开了一种遥感图像融合方法，将已知时刻高低分辨率遥感图像做差值，得到差值图像。从参与训练的高低分辨率差值图像的对应位置提取同样大小的补丁块，这些补丁块构成训练集。利用构建的训练集，训练得到高低分辨率字典对。从目标低分辨率差值图像中提取补丁块，在考虑波段间结构相似性和字典相关性的情况下，用低分辨率字典编码补丁块，获得对应的稀疏表示系数。将稀疏表示系数与高分辨率字典相乘，得到对应时刻高分辨率差值图像的补丁块。融合所有高分辨率补丁块，即可得到高分辨率差值图像。将两张差值图像做加权和，即为最终融合得到的目标时刻高分辨率遥感图像。本发明专利技术能够有效地利用波段间的结构信息，并同时考虑字典对的稀疏性和相关性，预测得到更接近真实数据的遥感图像。

【技术实现步骤摘要】
一种遥感图像自适应融合方法
本专利技术属于图像处理领域，特别涉及一种遥感图像融合方法。
技术介绍
遥感卫星是一种监视地面变化的重要工具,在观察植被和地物变化过程中起到了巨大作用。但是,由于科学技术的限制,遥感卫星传感器的设计不得不在空间分辨率和时间分辨率之间做出妥协。例如,MODIS卫星每天都可以获得一张500米空间分辨率的遥感图像。与之相比,LandsatETM+卫星的空间分辨率为30米,但其获取周期为16天。这种空间分辨率与时间分辨率之间的限制,阻碍了遥感在实际情况中的应用,特别是遇到需要图像同时具备高时间分辨率与高空间分辨率的时候。因此,时空反射率融合模型被提出来用以结合不同传感器的数据,从而获得高时空分辨率的图像。时空自适应反射率融合模型是最早提出的基于加权方法的融合模型。这个模型通过一个加权函数,用某一时刻图像的相邻像素点来计算中间像素点的值,而这个权值则是通过计算光谱差异、时间差异和空间距离来确定的。随后，Zhu等人和Hilker等人在STARFM算法的基础上,做出了改良，提升了融合效果。但是,因为线性组合会平滑变化的地表信息,所以加权方法的效果具有局限性。另一类反射率融合方法被称为字典学习的方法,这类方法的提出是为了克服加权方法的不足。由于字典学习和稀疏表示的方法在图像超分辨率重建算法中的突出表现，2012年，Huang等人提出了基于稀疏表示的时空反射率融合模型。这个模型将稀疏表示与反射率融合问题相结合,通过字典对与稀疏编码建立起高低分辨率图像对之间的对应关系。与加权方法相比,字典学习方法的优点在于它们可以从稀疏编码空间中揭示图像对之间的隐藏关系从而更好地提取图像结构变化的信息。但是，传统的字典学习方法在融合阶段都没有考虑图像的结构相似性。虽然不同的波段拥有不同的反射率取值范围,但边缘信息仍然是相似的。除此之外,通过传统的字典学习方法获得的字典对无法有效地预测所需时刻的图像,因为这些字典对缺少目标时刻的图像信息。融合过程中正则化约束使用l1范数，只考虑了字典的稀疏性，不能降低字典对信息不充分带来的影响。
技术实现思路
有鉴于此，为了解决上述现有技术问题，本专利技术提出了一种能够实现高分辨率遥感图像预测的遥感图像自适应融合方法。本专利技术的技术解决方案是，提供了一种遥感图像自适应融合方法，将MODIS图像作为低分辨率图像，LandsatETM+图像作为高分辨率图像。已知数据为t1、t2和t3(t1＜t2＜t3)时刻的MODIS图像M1、M2和M3，与t1和t3时刻的LandsatETM+图像L1和L3，需要预测t2时刻的Landsat图像L2；包括以下步骤：a、将低分辨率图像插值至高分辨率图像同样大小，分别对低分辨率图像和高分辨率图像做差值处理，获得低分辨率差值图像和高分辨率差值图像，在t1和t3时刻低分辨率差值图像和高分辨率差值图像中的相应位置分别提取大小为p×p的补丁块，获得的高分辨率补丁块和低分辨率补丁块构成了训练集；b、根据步骤a得到的训练集，训练得到高低分辨率字典对；c、从t1和t2时刻低分辨率差值图像M21中按照重叠系数v分为大小为p×p的补丁块，根据步骤b得到的低分辨率字典编码补丁块，获得相应的稀疏表示系数；将稀疏表示系数与高分辨率字典相乘，得到对应的高分辨率补丁块；融合所有高分辨率补丁块即可得到t1和t2时刻高分辨率差值图像L21；同理得到t2和t3时刻高分辨率差值图像L32；d、将两张目标时刻的高分辨率差值图像做加权和，即为最终预测得到的高分辨率遥感图像L2。可选的，所述步骤a中，低分辨率差值图像定义为Mij＝Mi-Mj，同理可定义高分辨率差值图像。补丁块大小p＝7，在t1和t3时刻高低分辨率差值图像中随机提取2000个对应的补丁块构成训练集；可选的，所述步骤b中，采用K-SVD算法求解高分辨率字典Dl和低分辨率字典Dm，字典大小为256；字典通过在近红外、红色和绿色三个波段中独立训练得到。可选的，所述步骤c中，重叠系数v＝4，补丁块大小p＝7；为简化公式，引入如下向量和矩阵：其中α和m分别表示稀疏表示系数和低分辨率补丁块的串联，Dm表示一个字典矩阵，这个矩阵的对角线元素由三个波段的低分辨率字典组成。下表N、R和G分别表示近红外、红色和绿色波段，S表示二维拉普拉斯算子。自适应正则化参数τ的表达式为：其中是c波段的均值，σc是c波段的标准差，γ取10。τRG和τGN也可以根据同样的定义方式获得。定义利用ADMM的方法求解稀疏表示系数α；稀疏表示系数αk+1的更新公式为：其中ρ取0.1，Z0和μ0都设置为0。对于一个向量v，Diag(v)表示一个对角矩阵，其每个对角元素对应向量v的每个元素。对于一个矩阵M，diag(M)表示一个向量，这个向量的第i个元素为矩阵M的第i个对角线元素；Zk+1的更新公式为：其中λ设置为0.15。UΣV*表示(DmDiag(αk+1)+μk)的奇异值分解，σi表示(DmDiag(αk+1)+μk)的第i个奇异值；μk+1的更新公式为：μk+1＝μk+DmDiag(αk+1)-Zk+1；交替迭代αk+1、Zk+1和μk+1直到满足收敛条件||DmDiag(α)-Z||F≤ε，或者达到预先设定的迭代次数，即可获得所需的系数表示系数α*。对应的高分辨率图像的补丁块可以按方程l＝Dlα*获得，高分辨率差值图像L21通过融合所有补丁块获得。可选的，所述步骤d中，加权和公式为：L2＝W21×(L1+L21)+W32×(L3-L32)，其中，权值W21和W32均为0.5。与现有技术相比，本专利技术的有益效果在于：先利用已知时刻高低分辨率差值图像补丁块训练得到高低分辨率字典对，然后在考虑波段间结构相似性和字典相关性的情况下，编码目标时刻低分辨率差值图像，从而得到需要预测的高分辨率遥感图像；通过自适应波段约束,考虑了波段间的结构相似性。这些约束本质上是利用波段间高分辨率补丁块上的边缘结构相似性,来提升融合效果.除此之外,不同于现存的那些只强调稀疏性的字典学习模型,本专利技术使用核范数作为正则项,这样既能考虑字典的稀疏性，也能考虑相关性。因此,本专利技术可以减少由于信息不充足的字典对所造成的影响,并提升字典对的表达能力，本专利技术有针对性地做了有效的弥补，预测得到的图像更为接近真实图像。附图说明图1问题描述示意图；图2a目标时刻MODIS图像；图2b本专利技术融合得到的Landsat图像；图3为本专利技术遥感图像融合方法总体流程示意图。具体实施方式本专利技术在字典对训练阶段，从已知高低分辨率差值图像中提取对应的补丁块构成训练集，然后用训练集训练得到高低分辨率字典对。在融合阶段，基于遥感图像波段间的结构相似性，并结合字典的稀疏性和相关性，使用低分辨率字典编码目标时刻的低分辨率差值图像补丁块，得到每个补丁块的本文档来自技高网...

【技术保护点】
1.一种遥感图像自适应融合方法，其特征在于：/n将MODIS图像作为低分辨率图像，Landsat ETM+图像作为高分辨率图像；已知数据为t

【技术特征摘要】
1.一种遥感图像自适应融合方法，其特征在于：
将MODIS图像作为低分辨率图像，LandsatETM+图像作为高分辨率图像；已知数据为t1、t2和t3(t1＜t2＜t3)时刻的MODIS图像M1、M2和M3，与t1和t3时刻的LandsatETM+图像L1和L3，需要预测t2时刻的Landsat图像L2；包括如下步骤：
a、将低分辨率图像插值至高分辨率图像同样大小，分别对低分辨率图像和高分辨率图像做差值处理，获得低分辨率差值图像和高分辨率差值图像，在t1和t3时刻低分辨率差值图像和高分辨率差值图像中的相应位置分别提取大小为p×p的补丁块，获得的高分辨率补丁块和低分辨率补丁块构成了训练集；
b、根据步骤a得到的训练集，训练得到高低分辨率字典对；
c、从t1和t2时刻低分辨率差值图像M21中按照重叠系数v分为大小为p×p的补丁块，根据步骤b得到的低分辨率字典编码补丁块，获得相应的稀疏表示系数；将稀疏表示系数与高分辨率字典相乘，得到对应的高分辨率补丁块；融合所有高分辨率补丁块即可得到t1和t2时刻高分辨率差值图像L21；同理得到t2和t3时刻高分辨率差值图像L32；
d、将两张目标时刻的高分辨率差值图像L21和L32做加权和，即为最终融合得到的高分辨率遥感图像L2。


2.根据权利要求1所述的遥感图像自适应融合方法，其特征在于：所述步骤a中，低分辨率差值图像定义为Mij＝Mi-Mj，同理可定义高分辨率差值图像。补丁块大小p＝7，在t1和t3时刻高低分辨率差值图像中随机提取2000个对应的补丁块构成训练集。


3.根据权利要求1所述的遥感图像自适应融合算法，其特征在于：所述步骤b中，采用K-SVD算法求解高分辨率字典Dl和低分辨率字典Dm，字典大小为256；字典通过在近红外、红色和绿色三个波段中独立训练得到。


4.根据权利要求...

【专利技术属性】
技术研发人员：曹飞龙，应汉驰，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：浙江;33