启明星一号卫星高光谱图像融合方法及系统技术方案

公开了一种启明星一号卫星高光谱图像融合方法及系统，包括：对源数据做主成分变换，得到第一主成分图像和第二主成分图像；利用全变分融合模型对第一主成分图像和第二主成分图像进行融合，其中全变分融合模型的目标函数在保真项和正则项中选择L1范数进行约束，以第二主成分为基底，不同程度地加入第一主成分的边缘信息，权重因子用来控制加入的第一主成分信息的比例，在图像融合过程中，将目标函数转化为一个标准的全变分最小化问题，使用迭代重加权范数方法进行求解目标函数，进而求得最终融合图像。本发明专利技术解决了图像融合的定权问题和增强对于不同场景的适用性。强对于不同场景的适用性。强对于不同场景的适用性。

【技术实现步骤摘要】
启明星一号卫星高光谱图像融合方法及系统


[0001]本专利技术涉及一种基于优化的图像融合方法，尤其涉及一种基于主成分分析和全变分的启明星一号卫星高光谱数据融合方法，属于卫星图像处理、计算机视觉领域。

技术介绍

[0002]由于硬件设备或者成像的限制，由单一类型的传感器得到的图像往往只能捕捉场景的部分信息，难以对场景进行全面表征。图像融合的目标是有效提取源图像中互补的特征信息，生成单幅信息更丰富、场景表达能力更好的融合图像，以便后续高阶任务处理，如场景理解、目标检测等。
[0003]图像融合模型通过对图像对进行特征提取并设计特定的融合规则实现像素级融合。结合多源传感器成像特点针对性地提取图像特征，并设计合理的融合规则是图像融合的难点。基于优化的融合方法则不需要设计复杂的融合规则，只需根据融合目的设计目标函数，丰富的求解方法为基于优化的融合思路提供了实现途径。基于优化的融合思路快速发展并逐渐形成体系。其中，基于全变分的优化模型以其优异的边缘保持能力在红外
‑
可见光图像融合领域已经得到了广泛的应用。但此类方法存在以下不足：（1）关于全变分模型的保真项中源图像对的权重确定普遍依靠实验经验所得，不同场景需要手动调整。（2）对于信息分布不同的源图像对，模型的局限性较为明显。

技术实现思路

[0004]本专利技术基于主成分变换的参数唯一性和信息再分配能力，提出一种基于主成分分析和全变分的图像融合方法，旨在解决图像融合的定权问题和增强对于不同场景的适用性。
[0005]第一方面，提供一种基于主成分分析和全变分的启明星一号高光谱图像融合方法，包括：对源数据做主成分变换，得到第一主成分图像和第二主成分图像；利用全变分融合模型对第一主成分图像和第二主成分图像进行融合，其中全变分融合模型的目标函数在保真项和正则项中选择L1范数进行约束，以第二主成分为基底，不同程度地加入第一主成分的边缘信息，权重因子用来控制加入的第二主成分信息的比例，在图像融合过程中，将目标函数转化为一个标准的全变分最小化问题，使用迭代重加权范数方法进行求解目标函数，进而求得最终融合图像。本专利技术基于主成分变换的参数唯一性和信息再分配能力，提出一种基于主成分分析和全变分的图像融合方法，旨在解决图像融合的定权问题和增强对于不同场景的适用性。
[0006]第二方面，提供一种基于主成分分析和全变分的启明星一号高光谱图像融合系统，包括：主成分分析模块，其被配置为对源数据做主成分变换，得到第一主成分图像和第二主成分图像；融合模块，其被配置为利用全变分融合模型对第一主成分图像和第二主成分图像进行融合，其中全变分融合模型的目标函数在保真项和正则项中选择L1范数进行约束，以第二主成分为基底，不同程度地加入第一主成分的边缘信息，权重因子用来控制加入
的第二主成分信息的比例，在图像融合过程中，将目标函数转化为一个标准的全变分最小化问题，使用迭代重加权范数方法进行求解目标函数，进而求得最终融合图像。
[0007]第三方面，提供一种计算机，包括：处理器；存储器，包括一个或多个计算机程序模块；其中，所述一个或多个计算机程序模块被存储在所述存储器中并被配置为由所述处理器执行，所述一个或多个计算机程序模块包括用于实现所述的基于主成分分析和全变分的启明星一号高光谱图像融合方法的指令。
[0008]第四方面，提供一种计算机可读存储介质，用于存储非暂时性计算机可读指令，其特征在于，当所述非暂时性计算机可读指令由计算机执行时能够实现所述的基于主成分分析和全变分的启明星一号高光谱图像融合方法。
附图说明
[0009]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例的附图作简单地介绍。
[0010]图1为本专利技术一实施例提供基于主成分分析和全变分的启明星一号高光谱图像融合方法流程图。
具体实施方式
[0011]启明星能够获取32谱段高光谱图像，能够捕获地物精细的光谱信息，光谱范围大，波段信息丰富，充分利用各波段信息是一个重要问题。高光谱数据融合能够将多幅影像的信息集中到一幅信息更丰富、更准确的图像，利于后续目视解译，地物分类等任务。
[0012]在一实施例中，提供一种基于主成分分析和全变分的启明星一号高光谱图像融合方法，用于启明星一号高光谱数据融合，旨在充分利用源数据的反射信息和热辐射信息，生成一幅目标更显著、信息更丰富且准确的图像，以便于视觉感知和后续高阶视觉任务。同时本专利技术基于主成分对于数据的降维作用，将基于全变分的图像融合方法引入到启明星一号高光谱数据融合任务，从而提高影像信息提取、分析的能力。下面结合图1对基于主成分分析和全变分的启明星一号高光谱图像融合方法进行详细说明。
[0013]步骤1，对源数据做主成分变换，得到第一主成分图像和第二主成分图像。
[0014]步骤1.1，将原始各波段数据变为列向量，各图像按列依次排列组成一个新的数据矩阵。对于启明星一号高光谱数据，将各波段数据转换为列向量，构建新数据矩阵。
[0015]步骤1.2，使用奇异值分解算法对新数据矩阵进行奇异值分解，得到主成分变换矩阵。对数据矩阵做主成分变换，得到第一主成分图像和第二主成分图像。对原始数据矩阵中心化，构造新的矩阵，，的每一列的均值为零，N为矩阵元素个数。对进行截断奇异值分解，得到，有k个奇异值、奇异向量。矩阵V的前k列构成k个样本主成分。求主成分矩阵。
[0016]步骤2，构建主成分图像的L1范数全变分融合模型。本专利技术的L1范数全变分模型的目标函数为（1）式（1）表示以为基底，不同程度地加入的边缘信息，用来控制加入的信息的比例，其中是梯度算子，是超参数。
[0017]步骤2.1，保真项及正则项的构建。
[0018]（2）由主成分变换前后的图像分析可知，第二主成分集中了原始图像对的低频信息，第一主成分包含更丰富的边缘信息和细节信息。因此，本专利技术以为基底，不同程度地加入的边缘信息，权重因子用来控制加入的信息的比例。是一个经验值，通过实际数据处理结果来确定。当权重因子取值从0开始不断增大，融合的表现会从接近第二主成分到一主成分图像过渡，当权重因子小时，融合图像的特征和表现更接近第二主成分，当权重因子很大时，融合图像的特征和表现更接近第一主成分。
[0019]步骤2.2，目标函数中范数的选择。
[0020]本专利技术的目标是希望融合图像尽可能保持和第二主成分相同的灰度分布，因此的大多数值应为0，少数值由于加入第一主成分梯度的原因保持非0值，因此选择L0范数或者L1范数，因L1范数容易求解，本专利技术在保真项中选择L1范数进行约束。梯度的L1范数为全变分，具有强有力的保持边缘的能力，因此正则项选择L1范数进行约束。
[0021]步骤3，求解优化模型。
[0022]步骤3.1，作变量替换，将目标函数转化为一个标准的全变分最小化问题。
[0023]作变量替换，（2）式变为一个全变分最小化问题，目标函数变为（3）步骤3.2，使用迭代重加权范数方法进行求解。
[0024本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于主成分分析和全变分的启明星一号高光谱图像融合方法，其特征在于，包括：对源数据做主成分变换，得到第一主成分图像和第二主成分图像；利用全变分融合模型对第一主成分图像和第二主成分图像进行融合，其中全变分融合模型的目标函数在保真项和正则项中选择L1范数进行约束，以第二主成分为基底，不同程度地加入第一主成分的边缘信息，权重因子用来控制加入的第二主成分信息的比例，在图像融合过程中，将目标函数转化为一个标准的全变分最小化问题，使用迭代重加权范数方法进行求解目标函数，进而求得最终融合图像。2.根据权利要求1所述的方法，其特征在于，对源数据做主成分变换得到第一主成分图像和第二主成分图像的方法为：将原始各波段数据变为列向量，各图像按列依次排列组成一个新的数据矩阵；使用奇异值分解算法对新数据矩阵进行奇异值分解，得到第一主成分图像和第二主成分图像。3.一种基于主成分分析和全变分的启明星一号高光谱图像融合系统，其特征在于，包括：主成分分析模块，其被配置为对源数据做主成分变换，得到第一主成分图像和第二主成分图像；融合模块，其被配置为利用全变分融合模型对第一主成分图像和第二主成分图像进行融合，其中全变分融合模型的目标函数在保真项和正则项中选择L1范数进...

【专利技术属性】
技术研发人员：张雪峰，戴小兵，金光，张学敏，
申请(专利权)人：武汉大学，
类型：发明
国别省市：