基于相关分析的遥感影像空-谱融合方法技术

本发明专利技术公开了一种基于相关分析的遥感影像空

【技术实现步骤摘要】
基于相关分析的遥感影像空
‑
谱融合方法、系统、设备及介质


[0001]本专利技术属于遥感影像融合增强
，具体涉及一种基于相关分析的遥感影像空
‑
谱融合方法
、
系统
、
计算机设备及计算机可读存储介质
。

技术介绍

[0002]随着多平台
、
多传感器
、
多天候
、
多时相
、
多分辨率遥感技术的发展，可供各行各业利用的遥感影像种类日益丰富
。
这些丰富多彩的遥感影像既为遥感图像应用研究提供了灵活的对象选择空间，也为遥感图像的选取
、
综合
、
纠正
、
增强等图像应用前处理研究提出了挑战
。
[0003]不同的遥感影像数据具有不同的空间分辨率
、
时间分辨率
、
光谱分辨率等影像基本特征，其在不同的应用领域具有不同的应用表现和应用潜力
。
传统的遥感图像处理侧重单一图种的色彩
、
纹理
、
层次等一般图像特征的增强；遥感影像融合处理侧重于将不同影像的基本特征综合在一幅新的遥感影像图上，充分挖掘其综合应用潜力，提高其应用表现
。
近二十多年来，作为遥感图像处理的新方向，遥感图像融合技术得到了长足的发展，取得了系列新成果
。
[0004]基于色彩空间理论的融合方法发展了
CMYK、Lab、IHS(HSB)、HSV
等融合方法，经典的有
IHS
方法
。
基于数理统计分析和四则运算原理，发展了比值法
、
差值法
、
加权叠加
、
倍数放大和四则混合运算办法
。
经典的方法是
Brovey
融合方法和
CN
融合方法
。
基于信号分析原理的融合方法发展了高通滤波
、
主成份分析
(PCA)、
傅立叶变换
(FFT)、
小波
(Wavelet)
变换
、Gram
‑
Schimdt
变换
、
曲波变换
(Curvelet)、
轮廓波变换
(Contourlet)、
脊波变换
(Ridgelet)、
条带波变换
(Bandelet)、
楔波变换
(Wedgelet)、
小线变换
(Beamlet)
等融合技术和方法，经典的有
PCA
和
GS
融合方法
。
各类经典方法均以融入商业遥感图像处理软件
。
[0005]其中，
IHS、PCA
和
GS
等融合方法，从融合原理来看同属成分替代方法，从融合的表达式来看属于线性融合模型，本质上融合结果是多光谱波段
、
全色波段
、
中介波段
(
模拟的低分辨率全色波段
)
的线性组合
(
胡佳伟等，基于
AIHS
的遥感影像融合方法及其应用研究，信息技术与网络安全，
2018
年第3期，
p61
‑
64
；肖亮等，多源空
—
谱遥感图像融合方法进展与挑战，中国图象图形学报，
2020
年5月第
25
卷，第5期，
p851
‑
860)。
现有的融合方法，均为线性融合模型的一个特例，其融合结果的多光谱影像光谱信息保真能力及高分辨率影像的空间细节信息保真能力有待在数学分析基础上进一步改善
。

技术实现思路

[0006]为了解决上述现有技术的不足，本专利技术提供了一种基于相关分析的遥感影像空
‑
谱融合方法
、
系统
、
计算机设备及计算机可读存储介质，能够显著提高融合结果的多光谱影像光谱信息保真能力及高分辨率影像的空间细节信息
。
[0007]本专利技术的第一个目的在于提供一种基于相关分析的遥感影像空
‑
谱融合方法
。
[0008]本专利技术的第二个目的在于提供一种基于相关分析的遥感影像空
‑
谱融合系统
。
[0009]本专利技术的第三个目的在于提供一种计算机设备
。
[0010]本专利技术的第四个目的在于提供一种存储介质
。
[0011]本专利技术的第一个目的可以通过采取如下技术方案达到：
[0012]一种基于相关分析的遥感影像空
‑
谱融合方法，所述方法包括：
[0013]获取全色遥感影像和多光谱遥感影像，所述多光谱遥感影像至少包括一个波段；
[0014]将全色遥感影像与多光谱遥感影像进行空间配准，利用多光谱遥感影像构建低分辨率全色波段，将所述低分辨率全色波段作为中介波段；
[0015]根据全色遥感影像以及多光谱遥感影像选取融合目标波段和融合源波段，其中，所述融合目标波段和融合源波段之一为多光谱遥感影像中任意一个波段
M
；
[0016]将融合源波段及中介波段的直方图匹配到融合目标波段，构建基于均值滤波图像的特征信息提取因子；
[0017]根据所述特征信息提取因子和融合目标波段，得到融合系数待确定的融合目标波段的均值滤波融合成果的表达式；计算所述均值滤波融合成果与融合源波段的相关系数，通过极值分析确定融合系数的值；根据所述融合系数的值，得到融合系数确定的均值滤波融合成果的表达式；
[0018]根据所述融合系数确定的均值滤波融合成果的表达式，计算融合目标波段的均值滤波融合成果；根据所述融合目标波段的均值滤波融合成果，得到波段
M
的空
‑
谱融合成果；
[0019]根据多光谱遥感影像中的多个波段，得到每个波段对应的空
‑
谱融合成果；
[0020]将得到的空
‑
谱融合成果进行合并并存储
。
[0021]进一步的，所述将融合源波段及中介波段的直方图匹配到融合目标波段，构建基于均值滤波图像的特征信息提取因子，包括：
[0022]以融合目标波段的直方图为基准，将融合源波段及中介波段的直方图匹配到融合目标波段，构建第一特征提取因子；
[0023]将待确定的特征提取系数引入第一特征提取因子，构建第二特征提取因子；
[0024]对第二特征提取因子进行去相关处理，得到特征提取系数的值；
[0025]根据特征提取系数的值，得到确定特征提取系数的第二特征提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于相关分析的遥感影像空
‑
谱融合方法，其特征在于，所述方法包括：获取全色遥感影像和多光谱遥感影像，所述多光谱遥感影像至少包括一个波段；将全色遥感影像与多光谱遥感影像进行空间配准，利用多光谱遥感影像构建低分辨率全色波段，将所述低分辨率全色波段作为中介波段；根据全色遥感影像以及多光谱遥感影像选取融合目标波段和融合源波段，其中，所述融合目标波段和融合源波段之一为多光谱遥感影像中任意一个波段
M
；将融合源波段及中介波段的直方图匹配到融合目标波段，构建基于均值滤波图像的特征信息提取因子；根据所述特征信息提取因子和融合目标波段，得到融合系数待确定的融合目标波段的均值滤波融合成果的表达式；计算所述均值滤波融合成果与融合源波段的相关系数，通过极值分析确定融合系数的值；根据所述融合系数的值，得到融合系数确定的均值滤波融合成果的表达式；根据所述融合系数确定的均值滤波融合成果的表达式，计算融合目标波段的均值滤波融合成果；根据所述融合目标波段的均值滤波融合成果，得到波段
M
的空
‑
谱融合成果；根据多光谱遥感影像中的多个波段，得到每个波段对应的空
‑
谱融合成果；将得到的空
‑
谱融合成果进行合并并存储
。2.
根据权利要求1所述的遥感影像空
‑
谱融合方法，其特征在于，所述将融合源波段及中介波段的直方图匹配到融合目标波段，构建基于均值滤波图像的特征信息提取因子，包括：以融合目标波段的直方图为基准，将融合源波段及中介波段的直方图匹配到融合目标波段，构建第一特征提取因子；将待确定的特征提取系数引入第一特征提取因子，构建第二特征提取因子；对第二特征提取因子进行去相关处理，得到特征提取系数的值；根据特征提取系数的值，得到确定特征提取系数的第二特征提取因子并作为基于均值滤波图像的特征信息提取因子
。3.
根据权利要求2所述的遥感影像空
‑
谱融合方法，其特征在于，所述以融合目标波段的直方图为基准，将融合源波段及中介波段的直方图匹配到融合目标波段，构建第一特征提取因子，包括：设
μ
T
、
μ
S
、
μ
I
分别为融合目标波段
T、
融合源波段
S、
中介波段
I
的均值，
σ
T
、
σ
S
、
σ
I
分别为融合目标波段
T、
融合源波段
S、
中介波段
I
的均方差；将融合源波段
S
及中介波段
I
的直方图分别匹配到融合目标波段
T
，则有：，则有：，则有：式中，
S
′‑
I
′
为用
S、I
的均值滤波图像构建的第一特征提取因子，令第一特征提取因子为
E
；
显然
E
只是特征信息提取因子中的一个特例；所述将待确定的特征提取系数引入第一特征提取因子，构建第二特征提取因子，包括：在第一特征提取因子中引入待确定的特征提取系数
k
I
，构建第二特征提取因子的表达式为：式中，
S
‑
μ
S
、I
‑
μ
I
分别为融合源波段的均值滤波图像
、
中介波段的均值滤波图像
。4.
根据权利要求2所述的遥感影像空
‑
谱融合方法，其特征在于，所述去相关处理是消除第二特征提取因子与融合目标波段之间的信息冗余，即第二特征提取因子与融合目标波段不相关
。5.
根据权利要求1～4任一项所述的遥感影像空
‑
谱融合方法，其特征在于，所述融合系数待确定的融合目标波段的均值滤波融合成果的表达式为：
Tf
＝
(T
‑
μ
T
)+k
E
·
E
式中，
Tf
为融合目标波段
T
的均值滤波融合成果，
μ
T
为
T
的均值，
K
E
为待确定的融合系数，
E
为特征信息提取因子，且：为特征信息提取因子，且：式中，
μ
S
、
μ
I
分别为融合源波段
S、
中介波段
I
的均值，
σ
T
、
σ
S
、
σ
I
分别为
T、S、I
的均方差，
k
I
为特征提取系数，
r(T
，
S)
为
T
与
S
的相关系数，
r(T
...

【专利技术属性】
技术研发人员：余顺超，刘超群，顾祝军，何颖清，王行汉，刘晓林，
申请(专利权)人：珠江水利委员会珠江水利科学研究院，
类型：发明
国别省市：