【技术实现步骤摘要】
本专利技术属于智能图像处理领域，涉及去除薄云和图像融合方法，可用于到军事目标识别、气象监测、环境监测、土地利用、城市规划以及防灾减灾等多个领域的技术。
技术介绍
自1972年美国实施地球资源卫星计划以来，卫星技术在全球范围内迅猛发展，至今世界各主要发达国家和少数发展中国家，包括中国、印度等先后发射了数以百计的卫星，作业波段覆盖可见光至不可见的近红外、短波红外、中红外、远红外、微波等广阔频域。这些卫星每天向散布在世界各地的卫星地面站和移动接收站传送覆盖全球的海量卫星遥感数据。由于卫星遥感数据在空间上的连续性和时间上的序列性，因此到目前为止，是能够提供全球范围的动态观测数据的唯一手段。目前广泛应用的卫星遥感数据大部分是光学影像，尽管光学影像一般具有信息量大、分辨率高和图像稳定等特点。但同时，由于在成像过程中，常见大气中云雾的存在，遥感卫星在获取图像数据时往往连同云雾信息一起记录下来。由于云雾的遮挡使得传感器无法获得云雾覆盖区域的地物信息，从而严重影响了遥感光学图像的质量，当部分图像被较厚的云雾所覆盖时，地物的信息将无法被传感器接收，而对相对较薄的云雾，传感器仍能接收...
【技术保护点】
一种带有薄云的多光谱和全色图像融合方法，包括如下步骤：1）对带有薄云的多光谱图像进行上采样，采样后的多光谱图像的大小与带有薄云的全色图像的大小相同；2）对采样后的多光谱和全色图像依次分别进行下采样、高斯低通滤波和上采样，得到多光谱图像的背景图像B1和全色图像的背景图像B2，其中多光谱图像的背景图像的波段数和多光谱图像的波段数相同；3）对多光谱图像的每个波段和全色图像分别进行去除薄云操作，得到去除薄云的多光谱图像I1和去除薄云的全色图像I2；4）对去除薄云后的多光谱图像I1进行PCA变换，得到各个分量图像其中表示多光谱图像经过PCA变换后得到的第i主分量，i＝1，2，...，...
【技术特征摘要】
1.一种带有薄云的多光谱和全色图像融合方法，包括如下步骤1)对带有薄云的多光谱图像进行上采样，采样后的多光谱图像的大小与带有薄云的全色图像的大小相同；2)对采样后的多光谱和全色图像依次分别进行下采样、高斯低通滤波和上采样，得到多光谱图像的背景图像B1和全色图像的背景图像B2，其中多光谱图像的背景图像的波段数和多光谱图像的波段数相同；3)对多光谱图像的每个波段和全色图像分别进行去除薄云操作，得到去除薄云的多光谱图像I1和去除薄云的全色图像I2 ；4)对去除薄云后的多光谱图像I1进行PCA变换，得到各个分量图像‘々，…■^，…■^，，其中匕,表示多光谱图像经过PCA变换后得到的第i主分量，i = l, 2，...，η，η为分量的总数；5)对经过PCA变换后得到的第一主分量图像i和去除薄云的全色图像I2，分别进行Shearlet变换分解，将第一主分量图像&分解为一个低频系数X1和多个方向子带系数y” y2，. . .，ym，将去除薄云的全色图像I2分解为一个低频系数X2和多个方向子带系数ZiZgj · · · J Zm ,6)对步骤2)得到的多光谱图像的每一个波段的背景图像，计算其灰度平均值，得到多光谱图像的合成背景图像茗;7)根据多光谱图像的合成背景图.^建立权值矩阵W1，根据全色图像的背景图像B2, 建立权值矩阵W2 ；8)对全色图像I2的每一个方向子带系数Z1,Z2, , zm,乘以权值矩阵W1和W2,得到融合的第一分量图像的方向子带系数I1, I2,, Iffl,将第一主分量图像的低频系数X1作为融合后第一主分量图像的低频系数k ；9)对融合后的第一主分量图像的低频系数k和多个方向子带系数I1,I2,, Iffl,进行逆Shearlet变换，得到融合后的第一主分量图像《；10)将融合后的第一主分量图像/和步骤4)得到的除第一主分量外的其他分量图像&，·.·，及组成新的数据集，并对该新的数据集进行逆PCA变换，得到融合后的图像I。2.根据权利要求1所述的一种带有薄云的多光谱和全色图像融合方法，其中步骤3)所述的对多光谱图像的每个波段和全色图像分别进行去除薄云操作，按如下步骤进行2.1)计算多光谱图像每个波段图像的灰度均值和全色图像的灰度均值...
【专利技术属性】
技术研发人员：刘芳，石程，李玲玲，郝红侠，戚玉涛，焦李成，郑莹，尚荣华，马文萍，马晶晶，
申请(专利权)人：西安电子科技大学，
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。