本发明专利技术涉及一种基于图像分割和引力模型的遥感图像分辨率提高处理方法，该方法包括：对图像进行预处理；对图像进行多尺度图像分割；利用正交子空间投影方法遴选出待选端元；构建端元分层的混合像素模型；利用混合像素分解方法获得端元在各混合像素中的百分比值；逐层筛选混合像素模型；得到最佳混合像素分解图；将各端元的混合像素分解图转换为亚像素图像；不断调整亚像素的位置，使得所有亚像素间的总引力达到最大；重复调整所有像素中的亚像素直到遍历图像中的所有像素至处理结束；处理完成后，即得到空间分辨率提高的亚像素级图像。与现有技术相比，本发明专利技术具有方法简单、不依赖高空间分辨率，且抗噪音性好、能节约大量时间等优点。
【技术实现步骤摘要】
本专利技术涉及一种遥感图像分辨率提高处理方法，尤其是涉及一种。
技术介绍
对于光学遥感器系统而言，图像的空间分辨率和光谱分辨率是一对矛盾，在给定信噪比的条件下，较高的光谱分辨率(窄光谱波段)往往意味着以降低空间分辨率为代价，从而使图像目标识别的精确度和识别程度都受到了很大的限制。在保留光谱信息的前提下，提高空间分辨率具有重要意义。提高硬件技术是提高图像空间分辨率的最直接的方法，而在既有的硬件条件限制下，算法和软件技术成为提高图像空间分辨率的主要途径。归纳起来，常用的图像空间分辨率提高技术包括重采样、图像融合方法、混合像素模型方法等三大类。 (I)重采样方法利用采样方法提高图像空间分辨率主要从光谱域和空间域两方面的技术。Tsai和Huang(1984)最早提出一种光谱反假频方法从光谱域提高图像的空间分辨率的。技术研究证明可以从一系列的多幅较低空间分辨率遥感图像中计算得到较高空间分辨率的图像。Kim和Bose等(1990,1993)改进了这种模型方法，利用最小二乘和总体最小二乘方法和离散傅里叶变换，从较低分辨率的采样过疏的图像中重构得到高分辨图像，这些低分辨率图像可为不同的空间分辨率，有噪音混淆信号影响。Atkinson(1988)，Schultz和Stevenson (1996), Patti 等(1997)和 Eren (1997)，Hao (1998，1999)提出了一些空间域采样方法提高空间分辨率，其中Atkinson(1988)使用重采样方法将较低空间分辨率的图像与较高空间分辨率图像和空间矢量数据进行配准。通过与不经过重采样的图像模式识别进行比较，分析几种不同的重采样方法对图像模式识别的不同影响，发现了重采样与图像模式识别之间的内在关系。(2)图像融合方法重采样方法是较为基本的空间分辨率提高技术，但随着越来越多的高空间分辨率传感器出现，将图像与高空间分辨率图像进行融合处理，可以大大改善成像图像空间分辨率，同时保持其光谱物理特性和波段形态。采用图像融合方法提高图像空间分辨率的技术有很多，其中Albertz和Zelianeos (1990)提出一种数据集聚方法增强图像的空间分辨率。这种方法以地貌特征为辅助信息，通过傅里叶变换合并同一区域的多个单幅图像，合并后的图像具有更高的空间分辨率。Garguet-Duport等(1996)利用小波变换融合SPOT图像的全色波段和多光谱波段数据，并将小波变换方法与IHS和P+XS等融合方法进行了比较，试验证明小波变换使得融合图像中光谱特征信息失真最小。Wald等(1997)提出一系列准则评价提高图像空间分辨率的图像融合方法的精度，试验表明对不同级别的光谱分辨率和空间分辨率的图像，应该使用不同的融合方法。Ranchln和Wald(2000)设计了一种ARSIS图像多分辨率模型，这种模型结合精确的光谱信息，利用图像融合方法提高图像空间分辨率。Aiazzi等(2006)提出了ー种多分辨率图像融合方法，这种方法依靠ー种多尺度过采样的广义拉普拉斯金字塔信号还原滤波器，利用调制传递函数将低空间分辨率的光谱数据计算扩展到较高空间分辨率。Winter等(2007)和Capobianco等(2007)分别利用Ikonos多光谱图像和ALI全色图像跟Hyperion高光谱图像进行图像融合提高Hyperion高光谱图像的空间分辨率。Rao等(2008)提出了ー种小波变换图像融合方法，同时提高图像的空间分辨率和光谱分辨率。(3)混合像素模型方法由于图像的空间分辨率的限制，图像中的像素，很少是由单ー均匀的目标物类型组成，而一般都是几种类型目标物的混合。这种像素称为“混合像素”。混合像素现象给图像的处理和实际应用带来了极大的困难，已经成为图像处理和模式识别定量化深入发展的重要障碍。以图像的模式分类为例，对图像的像素级模式分类以传统的硬分类技术为主。而 对于混合像素，将其按照一般硬分类方法归属为任何一类都是不准确的，因为它不可能完全属于这种单ー类型。在实际应用中分析者常常需要更为准确的信息，包括混合像素内包含哪些类别成分、各成分所占的比例是多少、各成分在混合像素内的空间分布是怎样的，等等。随着对各应用领域对图像处理技术要求的提高，图像处理从像素级发展为亚像素级已成必然，由此而带来的许多技术难点急待改进或解決。因此，除了以上两类技术可用来提高图像的空间分辨率，目前也有很多的科学家利用混合像素模型方法提高图像的空间分辨率。从空间特征上，混合像素模型方法基于图像中的每个像素中由可分解的亚像素以一定的空间位置排列构成，且每种目标物类型在每个混合像素中占一定的面积比例的前提条件，先通过光谱库或图像本身获取必要的先验信息，得到所有图像目标物类型的纯净像素(端元)，这ー过程称为端元提取，每一端元对应于ー种目标物类型；然后求解混合像素中各端元所占的面积比，这ー过程称为混合像素分解；在混合像素分解后，将原始混合像素划分为单位更小的亚像素，使混合像素中端元所占亚像素数目的比例与端元在该混合像素中的面积比相等，利用目标物类型的空间相关性最终得到混合像素中各端元所属亚像素的空间分布情況，从而获得空间分辨率提高的图像，为科学家提供更可靠的视觉和数量依据，也为图像更高精度上的后续应用提供可能。混合像素分解现在已成为提高高图像空间分辨率的ー种重要手段。迄今为止，应用于混合像素分解的方法已经很多，主要有基于最小ニ乘混合模型、多层感知器、人工神经网络、遗传算法、最近邻分类器、独立成分分析、支持向量机和最小体积约束的非负矩阵分解等。在混合像素分解的基础上，亚像素制图技术能够得到较原始图像更高空间分辨率的图像，从而为研究者和决策者提供更可靠的视觉和数量依据，也为高光谱图像更高精度上的后续应用提供可能。Atkinson最早引入亚像素制图概念，在软分类的基础上获得亚像素的位置信息，并最早提出了像素置换亚像素成图方法。随后，许多科学家利用各种方法进行亚像素制图，从而提高图像的空间分辨率，例如基于图像锐化的模糊软分类方法、基于图像融合的图像锐化方法、神经网络和遗传算法等智能方法、小波、基于卫星传感器点扩散函数的方法、基于半方差函数线性优化、马尔可夫随机场和协同克里格的地统计方法、元胞自动机进化模型、基于MAP正则化模型和进化Agent技术等。目前已有的技术方法，在实际应用中，都存在以下不足(a)重采样方法只是简单地对图像的灰度值进行数值计算，既不考虑目标物的空间相关性，更不利用目标物的图像光谱特性，只是将图像分辨率硬性地拉大，其精度和准确性属于粗略形式，适用性很差。(b)图像融合能在保留图像光谱特征的同时，很好地提高空间分辨率。然而，这种方法依赖于已有的更高空间分辨率的图像，对既定条件下的图像，则无法实现空间分辨率的提闻。(C)混合像素模型分析方面，已有的方法都主要从图像光谱特征的角度进行分析，通常都忽略了图像中目标物的空间相关性等信息，且已有的方法中，都是使用一个固定不变的端元集对整个图像的所有像素进行混合像素分解，这样不仅缺乏 灵活性，且稳健性也很低。(d)亚像素制图方面，已有的亚像素制图方法大多只能针对两个端元的情况进行亚像素制图，针对多个端元的亚像素制图中亚像素制图不稳定；已有的亚像素制图方法受初始化影响大；已有的本文档来自技高网...
【技术保护点】
一种基于图像分割和引力模型的遥感图像分辨率提高处理方法，其特征在于，该方法包括以下步骤：1)对图像进行波段选择、辐射纠正和几何纠正的预处理；2)对图像进行基于区域生长的多尺度图像分割，将图像分割成多个分割块；3)在每个分割块中，利用正交子空间投影方法获取端元，遴选出多个待选端元；4)利用待选端元进行分层，构建端元分层的混合像素模型，不同端元组合对应了不同的混合像素模型；5)利用带约束的最小二乘混合像素分解方法对所有的端元组合进行计算比较，具有最小的分解误差的端元组合为选定的最佳端元集合，并同时获得端元组合相应端元在各混合像素中的百分比值；6)对端元分层的混合像素模型进行逐层筛选；7)由混合像素分解最终得到在每个像素中各种端元的面积百分比形成的最佳混合像素分解图；8)将各端元的混合像素分解图转换为亚像素图像；9)基于引力模型的亚像素制图技术，计算得到亚像素的引力大小和亚像素的引力标识值，不断调整亚像素的位置，使得所有亚像素间的总引力达到最大；10)开始处理下一像素中的亚像素，重复步骤1)～9)处理所有像素中的亚像素直到遍历图像中的所有像素；11)所有像素处理完成后，即得到空间分辨率提高的亚像素级图像。...
【技术特征摘要】
【专利技术属性】
技术研发人员：张学，
申请(专利权)人：张学，
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。