一种适用于高分辨率遥感影像的融合方法技术

本发明专利技术是一种适用于高分辨率遥感影像的融合方法。本发明专利技术涉及遥感影像融合领域，具体涉及一种适用于高分辨率遥感影像的融合方法的设计。本发明专利技术主要解决高分辨率的全色影像与分辨率略低一些的多光谱影像融合得到高分辨率多光谱影像的问题。本发明专利技术利用YOLACT深度学习方法，对高分辨率全色影像中的建筑进行提取，从影像中截取滑动窗口，根据滑动窗口内的建筑物数量与分布，计算得到“建筑权值”，然后以SFIM融合方法为基础，融合运算的参数随着“建筑权值”的变化而自适应调整，从而使建筑区域与非建筑区域的融合效果都实现最优，最终得到视觉效果与清晰度更好、信息量更丰富的高分辨率多光谱影像。辨率多光谱影像。辨率多光谱影像。

【技术实现步骤摘要】
一种适用于高分辨率遥感影像的融合方法


[0001]本专利技术涉及遥感影像融合
，是一种适用于高分辨率遥感影像的融合方法。

技术介绍

[0002]获取遥感影像时往往难以兼顾高分辨率与多光谱两个方面，因此将高分辨率的全色影像与分辨率略低一些的多光谱影像融合得到高分辨率多光谱影像的技术显得至关重要。遥感影像融合技术可以使上述两种影像优势互补，为用户提供信息更丰富、更真实清晰的融合影像，有利于提升图像的特征提取、目标分类识别的精度，增强数据的实用性。
[0003]目前遥感影像融合的方法主要分为像素级融合、特征级融合与决策级融合三类。后两类融合方法计算较为复杂，仍处于研究实验阶段，没有在工程化的商业软件中得到广泛应用，因此这里主要介绍第一类融合方法。像素级融合方法中，在商业软件中常见的方法包括亮度
‑
色调
‑
饱和度(Intensity Hue Saturation，IHS)变换、Brovey变换、主成分分析(Principal Components Analysis，PCA)变换、GS(Gram
‑
Schmidt)变换、PanSharp融合、SFIM(Smoothing Filter
‑
based Intensity Modulation)融合方法等。其中IHS变换与Brovey变换只能处理三个波段的多光谱影像，因此这里不作过多介绍。PCA变换首先对多光谱影像进行多维正交线性变换，用高分辨率全色影像替换信息量最多的第一个分量，然后进行逆变换得到高分辨率的多光谱影像，由于第一分量的信息过于集中，融合影像会存在较大的光谱畸变(即颜色失真)；GS变换的原理与PCA变换类似，变换后各个分量包含的信息量相差不大，可以一定程度的改善光谱畸变的问题，但计算量较大，不适用于处理较大尺寸的高分辨率遥感影像。
[0004]学者根据DN(Digital Number)值、辐照度与地表反射率的关系，提出Fusion＝MS
×
Pan/Pan
’
，其中Fusion表示融合结果，MS表示多光谱影像，Pan表示高分辨率全色影像，Pan
’
表示低分辨率全色影像。理想的Pan
’
应具有与MS一致的空间特征，在运算中可以抵消掉MS的空间信息；理想的Pan
’
应具有与Pan一致的光谱特征，在运算中可以抵消掉Pan的光谱与对比度信息，只保留高分辨率影像的边缘细节信息。PanSharp方法通过多光谱影像的加权拟合来获取Pan
’
，基于最小二乘法计算各个波段的权重，当影像较大或存在云、海等过亮或过暗的地物时，权重系数会受极端灰度区域的影响，从而加剧PanSharp方法的光谱畸变，导致融合结果颜色失真。SFIM通过对Pan进行邻域滤波来得到Pan
’
，满足与Pan的光谱特征相似的要求，但Pan
’
的空间特征与MS相差较大，导致融合结果空间信息融入度低，清晰度不佳。有的学者在SFIM方法的基础上进行改进，通过调整高斯滤波参数，使Pan
’
与MS所有波段的平均梯度值相等，从而使Pan
’
的空间特征与MS相近，对融合结果的清晰程度有所改善。
[0005]IHS变换、Brovey变换只支持三个波段，而目前大多数多光谱影像都具有至少4个波段(蓝波段、绿波段、红波段与近红外波段)，因此这两种方法使用场景受限；PCA变换方法由于第一分量的信息过于集中，融合影像会存在较大的光谱畸变(即颜色失真)；GS变换可以一定程度的改善光谱畸变的问题，但计算量较大，不适用于处理较大尺寸的高分辨率遥
感影像。PanSharp方法受极端灰度区域的影响，易导致融合结果颜色失真；传统的SFIM方法融合结果空间信息融入度低，清晰度不佳；改进的SFIM方法对于MS计算平均梯度，建筑区域的空间特征信息较丰富，平均梯度往往较大，而非建筑区域(如植被、裸土等)空间特征信息较稀疏，平均梯度较小，但该方法对于上述区域均采用同一组融合参数进行处理，导致建筑区域与非建筑区域都难以获得各自的最优效果，融合影像的视觉效果、清晰度与信息量仍不理想。

技术实现思路

[0006]本专利技术针对现有技术的缺点，首先利用YOLACT深度学习方法，对高分辨率全色影像中的建筑进行提取，对建筑区域与非建筑区域进行区分，以SFIM融合方法为基础进行改进，采用自适应的参数进行融合，从而使两类区域的融合效果都实现最优。
[0007]本专利技术提供了一种适用于高分辨率遥感影像的融合方法，本专利技术提供了以下技术方案：
[0008]一种适用于高分辨率遥感影像的融合方法，包括以下步骤：
[0009]步骤1：利用YOLACT深度学习框架，对高分辨率的全色影像Pan进行建筑实例分割；
[0010]步骤2：剔除建筑分割结果中的异常值，根据影像分辨率与分割结果的像素面积，得到建筑分割结果的实地面积；
[0011]步骤3：从分割结果上取一个圆形的滑动窗口；
[0012]步骤4：对多光谱影像MS上采样至与全色影像Pan相同的分辨率；
[0013]步骤5：取建筑权值部分作为建筑区域，分别计算多光谱影像MS两个区域的平均梯度；
[0014]步骤6：对全色影像Pan进行高斯滤波，确定融合影像Fusion。
[0015]优选地，所述步骤1具体为：
[0016]利用YOLACT深度学习框架，对高分辨率的全色影像Pan进行建筑实例分割，判定为建筑区域的像素赋值为1，判定为非建筑区域的像素赋值为0，所使用的YOLACT框架已经用人工标注建筑物的遥感影像样本进行训练。
[0017]优选地，所述步骤2具体为：根据影像分辨率与分割结果的像素面积，得到建筑分割结果的实地面积，对面积大于140,000平方米或小于40平方米的建筑分割结果进行剔除；白色图斑表示被判定为建筑的像素，圆圈标注的面积过小的建筑分割结果剔除。
[0018]优选地，所述步骤3具体为：
[0019]从分割结果seg上取一个圆形的滑动窗口P，设P的中心像素坐标为(x,y)，计算中心像素的建筑权值γ(x,y)，通过下式表示：
[0020][0021]其中，seg(x,y)表示该像素点的建筑分割结果，当值为1表示该像素被判定为建筑，值为0表示该像素被判定为非建筑；n表示滑动窗口P内提取的建筑个数；d1,d2,...,d
n
,表示滑动窗口中心点到n个建筑的距离，单位为米；d
th
是一个常数，min表示取输入的数值中
最小的一个，max表示取输入的数值中最大的一个。
[0022]优选地，滑动窗口P的半径取400米，d
th
设为50；随着P不断滑动，seg影像上每个像素都计算得到一个建筑权值，保存为影像。
[0023]优选地，所述步骤5具体为：
[0024]取建筑权值γ(x,y)&g本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于高分辨率遥感影像的融合方法，其特征是：包括以下步骤：步骤1：利用YOLACT深度学习框架，对高分辨率的全色影像Pan进行建筑实例分割；步骤2：剔除建筑分割结果中的异常值，根据影像分辨率与分割结果的像素面积，得到建筑分割结果的实地面积；步骤3：从分割结果上取一个圆形的滑动窗口；步骤4：对多光谱影像MS上采样至与全色影像Pan相同的分辨率；步骤5：取建筑权值部分作为建筑区域，分别计算多光谱影像MS两个区域的平均梯度；步骤6：对全色影像Pan进行高斯滤波，确定融合影像Fusion。2.根据权利要求1所述的一种适用于高分辨率遥感影像的融合方法，其特征是：所述步骤1具体为：利用YOLACT深度学习框架，对高分辨率的全色影像Pan进行建筑实例分割，判定为建筑区域的像素赋值为1，判定为非建筑区域的像素赋值为0，所使用的YOLACT框架已经用人工标注建筑物的遥感影像样本进行训练。3.根据权利要求2所述的一种适用于高分辨率遥感影像的融合方法，其特征是：所述步骤2具体为：根据影像分辨率与分割结果的像素面积，得到建筑分割结果的实地面积，对面积大于140,000平方米或小于40平方米的建筑分割结果进行剔除；白色图斑表示被判定为建筑的像素，圆圈标注的面积过小的建筑分割结果剔除。4.根据权利要求3所述的一种适用于高分辨率遥感影像的融合方法，其特征是：所述步骤3具体为：从分割结果seg上取一个圆形的滑动窗口P，设P的中心像素坐标为(x,y)，计算中心像素的建筑权值γ(x，y)，通过下式表示：其中，seg(x，y)表示该像素点的建筑分割结果，当值为1表示该像素被判定为建筑，值为0表示该像素被判定为非建筑；n表示滑动窗口P内提取的建筑个数；d1,d2,...,d
n
,表示滑动窗口中心点到n个建筑的距离，单位为米；d
th
是一个常数，min表示取输入的数值中最小的一个，max表示取输入的数值中最大的一个。5.根据权利要求4所述的一种适用于高分辨率遥感影像的融合方法，其特征是：滑动窗口P的半径取400米，d
th
设为50；随着P不断滑动，seg影像上每个像素都计算得到一个建筑权值，保存为影像。6.根据权利要求5所述的一种适用于高分辨率遥感影像的融合方法，其特征是：所述步骤5具体为：取建筑权值γ(x，y)>0.5部分作为建...

【专利技术属性】
技术研发人员：高放，李一挥，张鹏，李文涛，翟雨微，张岩，杨勇帅，安源，
申请(专利权)人：长光卫星技术有限公司，
类型：发明
国别省市：