基于矩阵低秩分解的多光谱图像与全色图像融合方法技术

本发明专利技术公开了一种基于矩阵低秩分解的多光谱图像和全色图像融合方法，主要解决现有多光谱图像和全色图像融合中高光谱分辨率信息丢失的问题。其实现步骤为：（1）对输入已配准的4幅多光谱图像进行插值使其与全色图像具有相同的像素;(2)将插值后多光谱图像全部拉成列按照顺序依次堆叠构成大数据矩阵；（3）利用矩阵低秩分解算法对大数据矩阵分解得到低秩矩阵和稀疏矩阵；（4）利用标准主成分分析融合算法对低秩矩阵和全色图像进行融合得到初步的粗略融合结果；（5）将稀疏矩阵加至粗略融合结果得到最终的多光谱融合图像。本发明专利技术能有效解决高光谱分辨率信息丢失的问题，获取清晰的图像，可用于多光谱图像的预处理。

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及图像融合技术，具体地说是一种结合了矩阵低秩分解理论的多光谱图像和全色图像融合方法，可用于多光谱图像的预处理。
技术介绍
多光谱图像与全色图像的融合是利用它们在时空上的相关性及信息上的互补性把具有低空间分辨率、高光谱分辨率的多光谱图像和具有高空间分辨率、低光谱分辨率的全色图像进行综合，使融合后多光谱图像具有较高空间分辨率，又同时保留高光谱分辨率，从而得到对景物更全面、清晰的描述。传统的多光谱图像与全色图像融合算法包括格拉姆-施密特正交化方法、亮度-色调-色饱和度方法等。这些方法计算量小，原理简单，已经被广泛地应用到多光谱图像与全色图像融合上，但是这些方法没有利用多光谱图像自身特点，无法有效保留高光谱 分辨率信息。针对上述传统的多光谱图像与全色图像融合算法效果较差，在实际应用中不能很好地实现的问题，目前国际上提出了一些改进上述缺点的算法。如，P. s. Chavez, J. S. Sides和J. A. Anderson提出一种主成分分析的方法，是多光谱图像与全色图像融合中非常经典的算法，具体参见〈〈Comparison of Three Diffe本文档来自技高网...

【技术保护点】
一种基于矩阵低秩分解的多光谱图像和全色图像融合方法，包括如下步骤：(1)输入已配准的大小为m×n的4幅多光谱图像MSl1，MSl2，MSl3，MSl4，输入1幅大小为4m×4n全色图像PAN；(2)利用matlab软件中的imresize函数对4幅多光谱图像MSl1，MSl2，MSl3，MSl4进行插值，得到与全色图像PAN相同像素的多光谱图像MSl1′，MSl2′，MSl3′，MSl4′；(3)将插值后的4幅多光谱图像MSl1′，MSl2′，MSl3′，MSl4′全部拉成列，按顺序依次排列构成大数据矩阵X∈R(4m×4n)×4，其中R(4m×4n)×4表示行数为4m×4n，列数为4的2维整数...

【技术特征摘要】
1.ー种基于矩阵低秩分解的多光谱图像和全色图像融合方法，包括如下步骤 (1)输入已配准的大小为HiXn的4幅多光谱图像MS11,MS12,MS13,MS14，输入I幅大小为4mX4n全色图像PAN ； (2)利用matIab软件中的imresize函数对4幅多光谱图像MS11,MS12, MS13, MS14进行插值，得到与全色图像PAN相同像素的多光谱图像MS1/，MS12'，MS13' ,MS14'； (3)将插值后的4幅多光谱图像MS11'，MS12'，MS13',MS1/全部拉成列，按顺序依次排列构成大数据矩阵X e R(4mx4n)x4,其中R(^4n)X4表示行数为4mX4n，列数为4的2维整数型矩阵； (4)通过低秩分解算法对大数据矩阵X进行低秩分解，得到低秩矩阵Le R(4M4n) X4和稀疏矩阵SG e R(4nx4n)x4，其中低秩矩阵L表示4幅多光谱图像中的低空间分辨率信息，稀疏矩阵SG表示4幅多光谱图像中的高光谱分辨率信息； (5)利用标准主成分分析融合算法对低秩矩阵L和全色图像PAN进行融合，得到4幅初步的粗略融合结果MShノ，MSh2' ,MSh3/ ,MSh4/ ； (6)利用matlab软件中的reshape函数,将步骤(4)得到的稀疏矩阵SG的姆一列还原成大小为4mX4n的图像,得到4幅高光谱分辨率图像Sgi, i = I, 2,. . . , 4 ； (7)将步骤(6)得到的4幅高光谱分辨率图像sgi，i= 1，2，. . .，4，与步骤(5)得到的粗略融合结果MShl'，MSh2' ,MSh3/ ,MSh...

【专利技术属性】
技术研发人员：戎凯旋，李婷婷，王爽，刘芳，季佩媛，张小华，侯彪，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：