System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及基于侧窗滤波的多光谱与全色图像融合的全色锐化方法,属于多光谱图像处理。
技术介绍
1、多光谱图像比rgb图像拥有更完整的空间和光谱信息,目前已被广泛应用于医学成像、食品检测和人脸识别等领域。多光谱图像分辨率较低,如何提升多光谱图像分辨率成为一个问题。全色锐化是指将多光谱(ms)影像与具有更高空间分辨率的全色数据相结合。从这个研究课题的早期开始,质量评估的问题就在相关的文献中扮演了一个中心角色,推动着研究者进行广泛的研究。这个问题的解决方案是不单一的,因为它的不适定性质。事实上,没有参考图像可用于与融合过程的结果进行比较。
2、由于低通滤波模型在用作图像滤波处理时通常会去除掉边缘细节信息。现有技术提出了一种可以显著提高图像边缘保留能力的swf模型,受该模型的启发,将其应用在ps过程中,可以更好的从图像中提取有效和合适的细节特征,为信息注入后提高ms融合图像的空间分辨率和保持光谱信息奠定基础。同时,考虑到融合图像不能只看ms图像,还要考虑到pan图像的关系,进一步增加细节信息。对此,本文将权重函数里面通过低通滤波进行处理的方式,更换为swf滤波的方式,这样可以更好保留有效和合适的细节特征,将其滤波处理好的图像放入权重函数中,进而增强的强度分量的细节信息。通过上述策略,增加图像融合的细节。
技术实现思路
1、本专利技术为了解决现有技术存在的多光谱图像空间分辨率较低,通过多光谱与全色图像融合提升多光谱图像空间分辨率,提出了基于侧窗滤波的多光谱与全色图像融合的全色锐
2、基于侧窗滤波的多光谱与全色图像融合的全色锐化方法,所述基于侧窗滤波的多光谱与全色图像融合的全色锐化方法包括以下步骤:
3、s100、将ms图像投影到一个新的空间中,通过计算不同权重的多光谱图像的融合加权值,模拟构造一个低空间分辨率的pan图像;
4、s200、对模拟构造的低空间分辨率的pan影像进行gs变换,并对同一尺度下重采样的多个低空间分辨率光谱波段影像进行gs变换,模拟构造的低空间分辨率的pan影像被用作gs变换中的第一个波段;
5、s300、对高空间分辨率的pan图像的统计量进行调整,使高空间分辨率的pan图像的统计量与经gs变换得到的第一个变换带的统计量相匹配,从而得到改进的高空间分辨率pan图像;
6、s400、将改进的高空间分辨率pan图像代替gs变换得到的第1个变换波段,生成一组新的变换波段组;
7、s500、对新的变换波段组进行gs逆变换,得到增强的空间分辨率ms图像;
8、s600、引入swf模型,将权重函数中原本的低通滤波方式替换为swf滤波方式,并将滤波处理好的图像放入权重函数中,以得到更好的边缘细节。
9、进一步的,在s100中,包括以下步骤:
10、s110、将变换算法应用到多光谱图像上,进而生成一系列新的图像,每一幅图像代表原始多光谱图像中的一个特定特征;
11、s120、分析通过变换得到的各个图像分量,识别出包含了主要的空间结构的分量和包含了主要的光谱信息的分量;
12、s130、将空间结构的分量和光谱信息的分量分离。
13、进一步的,在s110中,变换算法为pca或ihs。
14、进一步的,在s300、s400和s500中,
15、成分替换融合过程在不需要明确计算正、后向变换的情况下进行强简化,对于每个,通过以下等式描述:
16、(1)
17、其中,表示是多光谱图像经过插值之后到全色图像尺度的图像,下标k表示第kth光谱图像;是注入增益矩阵,堆叠在多维数组g中,p表示pan图像;矩阵乘法是逐点的,最后,是所谓的强度分量,定义为
18、(2)
19、其中权重向量为正向变换矩阵的第一行,
20、gs 正交化过程利用强度分量作为新正交基的第一个向量,正交化一次处理一个 ms 向量,找到ms向量在由先前找到的正交向量及其正交分量定义的平面或超平面上的投影,使得正交分量和投影分量之和等于零均值版本的原始矢量化波段,通过在执行逆变换之前用直方图匹配的p替换来完成全色锐化,因此,融合过程由(1)描述,其中注入增益为:
21、(3)
22、其中1为全一矩阵;表示两幅图像x和y之间的协方差;是 x 的方差。
23、进一步的,在s600中,包括以下步骤:
24、s610、首先确定正方形窗口的半径;
25、s620、根据半径,计算8个侧窗分离内核,分别为左l、右r、上u、下d、西北nw、东北ne、西南sw和东南se侧窗;
26、s630、根据8个侧窗分离内核的计算结果,计算所有侧窗的投影距离;
27、s640、求8个侧窗的最小带符号距离,作为当前窗口的输出;
28、s650、最后,以滑窗作为单位,依次移动窗口对ms图像进行侧窗处理,应用侧窗滤波器对ms波段进行加权平均,并比较结果。
29、一种存储介质,该存储介质上储存有计算机程序,计算机程序被处理器执行时实现上述的基于侧窗滤波的多光谱与全色图像融合的全色锐化方法。
30、一种计算机设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序,以实现上述的基于侧窗滤波的多光谱与全色图像融合的全色锐化方法。
31、本专利技术的有益效果:
32、本专利技术提供基于侧窗滤波的多光谱与全色图像融合的全色锐化方法,主要解决现有多光谱图像空间分辨率低的问题。它通过有效分离多光谱图像的空间结构和光谱信息,优化光谱匹配处理,应用全色锐化技术提升细节表现,并通过逆变换恢复原始空间的图像。此外,该方法创新地运用gs正交化过程和swf模型,以提高图像边缘细节,且通过最小化均方误差生成高效的权重函数。这种方法不仅提高了图像的空间分辨率,而且保留了光谱信息和空间细节。
本文档来自技高网...【技术保护点】
1.基于侧窗滤波的多光谱与全色图像融合的全色锐化方法,其特征在于,所述基于侧窗滤波的多光谱与全色图像融合的全色锐化方法包括以下步骤:
2.根据权利要求1所述的基于侧窗滤波的多光谱与全色图像融合的全色锐化方法,其特征在于,在S100中,包括以下步骤:
3.根据权利要求2所述的基于侧窗滤波的多光谱与全色图像融合的全色锐化方法,其特征在于,在S110中,所述变换算法为PCA或IHS。
4.根据权利要求1所述的基于侧窗滤波的多光谱与全色图像融合的全色锐化方法,其特征在于,在S300、S400和S500中,
5.根据权利要求1所述的基于侧窗滤波的多光谱与全色图像融合的全色锐化方法,其特征在于,在S600中,包括以下步骤:
6.一种存储介质,该存储介质上储存有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-5任一项所述的基于侧窗滤波的多光谱与全色图像融合的全色锐化方法。
7.一种计算机设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,
...【技术特征摘要】
1.基于侧窗滤波的多光谱与全色图像融合的全色锐化方法,其特征在于,所述基于侧窗滤波的多光谱与全色图像融合的全色锐化方法包括以下步骤:
2.根据权利要求1所述的基于侧窗滤波的多光谱与全色图像融合的全色锐化方法,其特征在于,在s100中,包括以下步骤:
3.根据权利要求2所述的基于侧窗滤波的多光谱与全色图像融合的全色锐化方法,其特征在于,在s110中,所述变换算法为pca或ihs。
4.根据权利要求1所述的基于侧窗滤波的多光谱与全色图像融合的全色锐化方法,其特征在于,在s300、s400和s500中,...
【专利技术属性】
技术研发人员:宋延嵩,董科研,郝群,张博,朴明旭,刘天赐,梁宗林,翟东航,
申请(专利权)人:长春理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。