基于多分辨率分析的SAR-多光谱-高光谱一体化融合方法技术

本发明专利技术涉及一种基于多分辨率分析的SAR‑多光谱‑高光谱一体化融合方法，包括步骤：对多传感器数据集中的多光谱遥感影像进行预处理，将高光谱影像的坏波段去除，以避免高光谱影像中的畸变波段影响权重计算和最终融合的图像质量；将融合前高光谱影像(HS)、融合前SAR影像分别与融合前多光谱影像(MS)进行精确地理配准(影像配准)；将融合前SAR影像与光学影像进行矩匹配，所述矩匹配将融合前SAR影像的像元值映射到光学的像元值空间。本发明专利技术的有益效果是：本发明专利技术就高光谱影像与SAR影像的像素级融合，提出一种利用多光谱数据作为衔接，降低异质影像融合的困难性，可同时满足SAR‑多光谱‑高光谱影像的像素级融合。

【技术实现步骤摘要】
基于多分辨率分析的SAR-多光谱-高光谱一体化融合方法
本专利技术涉及遥感图像处理与应用领域，尤其包括一种SAR-多光谱-高光谱一体化的融合方法。
技术介绍
遥感是利用传感器进行非接触性信息采集，通过解译区域的电磁波辐射或反射能量的变化，获取我们实际需要的各种信息，为人类认识宇宙世界提供了一个新的科技手段。遥感图像作为一种重要信息，广泛应用于生态、环境、生物学和地理信息等领域。现阶段遥感发展速度迅猛，雷达、热红外、夜间灯光等多种传感器数据共存，为生产生活、科研提供了有力的支撑和保障。但当前的遥感应用大多基于单一数据源，未充分利用到多源传感器的综合信息。遥感传感器的类型、成像机制、采用的波段和信息记录方式的不同，会在遥感图像上表现出光谱、空间和时间分辨率上的差别。同一场景多源遥感图像观测的地物对象相同，成像机制和物理含义不同，会造成多源信息间的冗余性、互补性、差异性和协作性，进而多传感器遥感影像的像素级融合成为遥感研究领域的热点发展方向之一。图像融合是将同一研究区域的两景或更多经过几何配准的图像，通过一系列的融合算法集成，得到一个兼具多特征的单景图像。多源多景遥感图像的融合能够综合利用不同来源获取的地物信息，做到更全面、针对性强、面向应用的对地观测。像素级的图像融合，是基于像元信息的基础层次融合，是视觉感受最直观的融合方法，但针对多源图像的融合由于像元所含信息的物理意义不同，会造成像元的物理意义丢失，造成部分信息的畸变。相比于光学影像，合成孔径雷达(SAR)主动的成像方式受到的天气影响小且可以实现全天候作业。受制于较大的成像机理差异，多传感器影像的融合一般进行的是特征级和决策级的融合，虽然像素级的融合目前相对较少且SAR与高光谱光学影像的融合困难性较大，但却蕴藏着更大地融合潜力。
技术实现思路
本专利技术的目的是克服现有光学和SAR影像像素级融合技术中的不足，提供一种基于多分辨率分析的SAR-多光谱-高光谱一体化融合方法。这种基于多分辨率分析的SAR-多光谱-高光谱一体化融合方法，包括以下步骤：步骤1、首先，对多传感器数据集中的多光谱遥感影像进行预处理，将高光谱影像的坏波段去除，以避免高光谱影像中的畸变波段影响权重计算和最终融合的图像质量；在融合前对SAR影像进行预处理；分别得到融合前高光谱影像(HS)、融合前多光谱影像(MS)和融合前SAR影像；步骤2、多光谱影像的空间分辨率与SAR影像的空间分辨率相近或者略低，为了减小高光谱数据和SAR数据之间配准的困难性，将融合前高光谱影像(HS)、融合前SAR影像分别与融合前多光谱影像(MS)进行精确地理配准(影像配准)，保证异质影像间的配准更具可靠性和鲁棒性；步骤3、由于被动成像方式的光学遥感影像与主动成像方式的微波遥感影像间的成像机制差异，其像元值差距较大；需要将融合前SAR影像与光学影像进行矩匹配，所述矩匹配将融合前SAR影像的像元值映射到光学的像元值空间；步骤4、将空间分辨率最低的高光谱影像(HS)参照SAR影像进行重采样，直到高光谱影像(HS)具有与SAR影像同样的像元栅格大小，得到重采样后的高光谱影像；若多光谱影像的空间分辨率与SAR影像的空间分辨率不相同，则重采样多光谱影像，直至多光谱影像与SAR影像的像元栅格大小相同；步骤5、利用多分辨率分析的ATWT(多重小波)算法将多光谱遥感影像分解成一个低频部分和分别位于水平、垂直、对角线方向上的三个高频部分，并分别对多光谱影像和SAR影像进行N级分层，得到一系列高频子带，产生L个高频子图；ATWT(多重小波)算法提供了频域与空间的定位关系，分解产生的低频和高频成分分别体现着源图像的光谱信息和细节信息，可以较好地将SAR影像的纹理、极化特征考虑在内，最大程度上保留SAR影像的特征信息，使多传感器影像融合更具优越性和保真性；L＝N×3(1+s)(1)上式中，N表示进行了N级ATWT滤波的影像高频信息提取；s为SAR影像的数目，A为ATWT(多重小波)算法的卷积内核；L为高频子图的数量；步骤6、将进行N级分层后的多光谱影像和SAR影像经逐级ATWT(多重小波)算法分解，得到多光谱影像和SAR影像两组数据初步融合的N层决策高频图像，高频成分反映着源图像的纹理、结构和边缘等空间细节；步骤7、将N层决策高频图像根据多重小波重构进行合并，得到融合后的决策高频图像：GF＝Atwt*{G1(d),G2(d)...,GN(d)}(6)上式中，Atwt*表示多重小波重构运算；GN(d)表示第N级d方向上的决策高频图像；GF为多光谱影像与SAR影像初步融合后的决策高频图像；步骤8、基于高光谱分辨率影像波段特点，计算波段间的相关性得到各波段权重，生成与高光谱分辨率影像各波段对应的权重矩阵：上式中，高光谱分辨率影像波段总数为R；Hr(i,j)表示第r个波段坐标为(i,j)处的像元值；上述权重矩阵反映每个波段分配的高频信息量。步骤9、考虑到异质影像信息之间的相关性和差异性问题，为避免造成融合后的决策高频图像的高频信息失真，在决策高频注入前对多光谱影像与SAR影像初步融合后的决策高频图像进行矩匹配，统一其均值和方差；步骤10、按步骤8所得权重矩阵将多光谱影像与SAR影像初步融合后的决策高频图像信息注入到重采样后的高光谱分辨率影像中，得到兼具高光谱分辨率、高空间分辨率和SAR影像特征的一体化融合影像：FHMS＝HSr+W×GF(8)上式中，HSr表示重采样后的高光谱影像；W表示权重矩阵；GF表示多光谱影像与SAR影像初步融合后的决策高频图像；FHMS表示最终产生的一体化融合影像。作为优选，步骤1中多光谱遥感影像融合前的预处理包括：辐射定标、FLASH大气校正、正射校正和几何校正；对SAR影像进行的预处理包括：辐射定标、多普勒地形矫正、热噪声去除、Lee滤波和图像分贝化；其中对SAR影像进行辐射定标处理时，将后向散射信号转换为有单位的后向散射系数，Lee滤波的主要作用是去除SAR影像的相干斑噪声。作为优选，步骤2中将融合前高光谱影像(HS)、融合前SAR影像分别与融合前多光谱影像(MS)进行地理配准时，待融合的高光谱影像数据集、SAR影像数据集和多光谱影像数据集具有相同的地理区域和投影系统。作为优选，步骤6具体包括如下步骤：步骤6.1首先根据能量最大判断，分别决策产生水平、垂直和对角线方向上SAR影像不同极化方式间每一级别的最大高频信息，得到SAR影像多个极化方式中第N级单方向上的最大高频成分上式中，N为第N级分割N＝1,2,3…10；MAX{.}为求最大值函数；和分别为SAR影像vv、hv、hh和vh极化方式的第N级同方向的高频成分。步骤6.2其次对逐级分解得到的多光谱影像的高频成分和SAR影像集中的最大高频成分按照信息择优的原则进行融合，得到两组数据初步融合的N层决策高频图像；第N级多光谱影像集d方向上的高频成分与SAR影像集d方向上最大的高频本文档来自技高网...

【技术保护点】
1.一种基于多分辨率分析的SAR-多光谱-高光谱一体化融合方法，其特征在于，包括以下步骤：/n步骤1、对多光谱遥感影像进行预处理，将高光谱影像的坏波段去除，对SAR影像进行预处理；分别得到融合前高光谱影像、融合前多光谱影像和融合前SAR影像；/n步骤2、将融合前高光谱影像、融合前SAR影像分别与融合前多光谱影像进行地理配准；/n步骤3、将融合前SAR影像与光学影像进行矩匹配，所述矩匹配将融合前SAR影像的像元值映射到光学的像元值空间；/n步骤4、将空间分辨率最低的高光谱影像参照SAR影像进行重采样，直到高光谱影像具有与SAR影像同样的像元栅格大小，得到重采样后的高光谱影像；若多光谱影像的空间分辨率与SAR影像的空间分辨率不相同，则重采样多光谱影像，直至多光谱影像与SAR影像的像元栅格大小相同；/n步骤5、利用ATWT算法将多光谱遥感影像分解成一个低频部分和分别位于水平、垂直、对角线方向上的三个高频部分，并分别对多光谱影像和SAR影像进行N级分层，得到高频子带，产生L个高频子图；/nL＝N×3(1+s) (1)/n

【技术特征摘要】
1.一种基于多分辨率分析的SAR-多光谱-高光谱一体化融合方法，其特征在于，包括以下步骤：
步骤1、对多光谱遥感影像进行预处理，将高光谱影像的坏波段去除，对SAR影像进行预处理；分别得到融合前高光谱影像、融合前多光谱影像和融合前SAR影像；
步骤2、将融合前高光谱影像、融合前SAR影像分别与融合前多光谱影像进行地理配准；
步骤3、将融合前SAR影像与光学影像进行矩匹配，所述矩匹配将融合前SAR影像的像元值映射到光学的像元值空间；
步骤4、将空间分辨率最低的高光谱影像参照SAR影像进行重采样，直到高光谱影像具有与SAR影像同样的像元栅格大小，得到重采样后的高光谱影像；若多光谱影像的空间分辨率与SAR影像的空间分辨率不相同，则重采样多光谱影像，直至多光谱影像与SAR影像的像元栅格大小相同；
步骤5、利用ATWT算法将多光谱遥感影像分解成一个低频部分和分别位于水平、垂直、对角线方向上的三个高频部分，并分别对多光谱影像和SAR影像进行N级分层，得到高频子带，产生L个高频子图；
L＝N×3(1+s)(1)



上式中，N表示进行了N级ATWT滤波的影像高频信息提取；s为SAR影像的数目，A为ATWT算法的卷积内核；L为高频子图的数量；
步骤6、将进行N级分层后的多光谱影像和SAR影像经逐级ATWT算法分解，得到多光谱影像和SAR影像初步融合的N层决策高频图像；
步骤7、将N层决策高频图像根据多重小波重构进行合并，得到融合后的决策高频图像：
GF＝Atwt*{G1(d),G2(d)…,GN(d)}(6)
上式中，Atwt*表示多重小波重构运算；GN(d)表示第N级d方向上的决策高频图像；GF为多光谱影像与SAR影像初步融合后的决策高频图像；
步骤8、计算波段间的相关性得到各波段权重，生成与高光谱分辨率影像各波段对应的权重矩阵：



上式中，高光谱分辨率影像波段总数为R；Hr(i,j)表示第r个波段坐标为(i,j)处的像元值；
步骤9、，在决策高频注入前对多光谱影像与SAR影像初步融合后的决策高频图像进行矩匹配，统一其均值和方差；
步骤10、按步骤8所得权重矩阵将多光谱影像与SAR影像初步融合后的决策高频图像信息注入到重采样后的高光谱分辨率影像中，得到兼具高光谱分辨率、高空间分辨率和SAR影像特征的一体化融合影像：
FHMS＝HSr+W×GF(8)
上式中，HSr表示重采样后的高光谱影像；W表示权重矩阵；GF表示多光谱影像与SAR影像初步...

【专利技术属性】
技术研发人员：孙伟伟，袁艺，孟祥超，杨刚，
申请(专利权)人：宁波甬矩空间信息技术有限公司，
类型：发明
国别省市：浙江;33