带有薄云的多光谱和全色图像融合方法技术

本发明专利技术提供了一种带有薄云的多光谱和全色图像融合方法，主要解决带有薄云的多光谱和全色图像融合后云雾区域受到云层干扰的问题。其实现步骤是：对带有薄云的多光谱图像进行采样和滤波，得到多光谱和全色图像的背景图像；分别对带有薄云的多光谱和全色图像去除薄云；对去云的多光谱图像进行PCA变换，并对变换后的第一主分量图像和全色图像进行Shearlet分解；将第一主分量的低频系数作为融合分量的低频系数，将全色图像的高频系数加权作为融合分量的高频系数；对融合分量和PCA变换的其余分量进行逆PCA变换，得到融合图像。本发明专利技术具有融合图像薄云区域清晰度高，光谱保持性好的优点，可用于军事目标识别、气象及环境监测、土地利用、城市规划以及防灾减灾。

【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，传感器仍能接收部分的地物信息，但这种不完全信息对图像中目标的识别、分类，以及地物信息提取的精度，都造成了严重的影响。为有效提高遥感光学图像的利用率，市场上有多种方法来减少或去除薄云薄雾对图像的影响。目前市场上主要用到的方法有多光谱图像法、多幅图像叠加运算法、基于图像增强的方法，和基于图像复原的方法等。多光谱法，是利用一种特殊的传感器，或者多光谱图像中某些波段对云雾具有较强的敏感性的特性，探测出云雾的信息。然后从原始图像中减去云雾的信息，得到去除云雾后的图像。该方法可以有效的去除图像中的云雾，但是需要增加对云雾敏感的传感器或者波段，成本较高，使得该种方法的应用受到限制。多幅图像叠加法，是通过对同一地区拍摄的不同季节、不同时间的图像进行叠加，得到信息图像。由于同一地区在不同时间的地物信息常常会发生改变，严重影响了叠加运算后的图像的判读。基于图像复原的去除云雾的方法，是通过分析薄云退化图像的机制和过程，寻找出相应的反过程，从而得到原图像的方法。但是从图像复原的角度处理图像，必须熟悉薄云退化图像的机制和过程，由于薄云退化图像的退化程度与目标物和相机的距离相关，处理时必须结合相关的辅助信息，如大气消光系数、目标物和相机距离等，而这些信息的获取成本较高，难以得到广泛的应用。基于图像增强的去除云雾的方法，通常有同态滤波法和低频滤波法两种，同态滤波法是一种通过压缩图像的动态范围，提升图像高频分量达到去除薄云的目的的方法。该方法对图像细节不加区分，采用单一滤波器进行增强，自适应性较差；低频滤波法通过对图像进行高斯低通滤波，得到图像的背景图像，通过原始图像与背景图像相减，来达到去除薄云的目的。该方法对薄云薄雾具有一定的去除效果，但是同时也削弱了图像的背景，虽然后来采用了补偿法进行改善，但是从结果来看，该方法对去除云雾后的图像仍然产生了信息的损失。由于单一的传感器获取的图像在光谱信息和分辨率等方面很难满足实际的需要，所以就需要利用传感器图像数据的冗余性，通过融合技术，将不同传感器的图像信息融合在一幅图像中，比如多光谱和全色图像，多光谱图像具有较好的光谱信息，但是其空间分辨率低；全色图像具有较高的空间分辨率，但是其光谱信息不够丰富，所以就需要通过融合技术，得到高分辨率多光谱图像，以获得对地物信息更加准确的描述。但是多光谱和全色图像存在云雾信息的时候，融合技术并不能去除图像中的云雾信息。对于带有薄云的多光谱和全色图像的融合，目前市场上是先对这两幅图像分别进行云雾去除后，再进行融合处理。对单一传感器获取的图像分别进行云雾去除的时候，从获取图像信息成本的角度考虑，应当选择图像增强的方法，但是图像增强引起图像信息损失却是不可避免的。所以，利用多光谱和全色图像之间的冗余性，寻找一种更加有效的针对薄云图像的融合方法，是目前市场上急需解决的问题。
技术实现思路
本专利技术目的在于针对上述已有技术对带有薄云图像融合的不足，提出一种，以降低多光谱和全色图像融合后云层对薄云区域信息的干扰，减少融合后图像信息的损失，提高融合后图像的清晰度，更准确的描述地物信息。为实现上述目的，本专利技术的主要内容如下I)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民，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Ipi ，，其中4表示多光谱图像经过PCA变换后得到的第i主分量，i=l，2，...，n, n为分量的总数；5)对经过PCA变换后得到的第一主分量图像&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yi，y2，...，ym，将去除薄云的全色图像I2分解为一个低频系数&和多个方向子带系数zi，Z2 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傷^7)根据多光谱图像的合成背景图像S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12，I2,..., Im，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厂.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A2，…，&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。本专利技术与现有技术相比，具有如下优点(a)本专利技术由于使用上采样后图像获取背景图像，通过对上采样后图像进行采样的方法得到原始图像的近似背景图像，利用了上采样后图像的信息十分平滑，通过采样得至IJ的近似背景图像能够较好的逼近真实的背景图像特点，克服了传统的算法在滤波过程中计算时间复杂度高的问题，从而提 高了图像去除薄云的速度。(b)本专利技术由于使用背景图像建立权值矩阵来增强融合图像薄云区域的细节信息，利用薄云区域在图像中具有较高灰度值的特点，克服了传统的融合图像中薄云区域信息丢失，导致融合后的图像模糊的问题，从而提高了融合图像的清晰度。附图说明图1是本专利技术流程图；图2是本专利技术的带有薄云的QuickBird卫星图像；图3是用本专利技术方法得到的融合图像。具体实施例方式参照图1，本专利技术的步骤如下步骤1，对带有薄云的多光谱图像进行上采样，上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，其中原始的多光谱图像如图2 (a)所示，记为Y1，原始的全色图像如本文档来自技高网...

【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，...，n，n为分量的总数；5）对经过PCA变换后得到的第一主分量图像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y1,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z1z2,...,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7）根据多光谱图像的合成背景图像建立权值矩阵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l1,l2,...,lm,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l1,l2,...,lm,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。FDA00002780619200011.jpg,FDA00002780619200012.jpg,FDA00002780619200013.jpg,FDA00002780619200014.jpg,FDA00002780619200015.jpg,FDA00002780619200016.jpg,FDA00002780619200017.jpg,FDA00002780619200021.jpg,FDA00002780619200022.jpg...

【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：