一种基于显著性分析的自适应遥感图像融合方法技术

本发明专利技术公开一种基于显著性分析的自适应遥感图像融合方法，属于遥感图像处理技术领域。实施过程包括：1)多光谱图像经IHS变换得到I、H、S分量；2)采用多尺度谱残差对全色遥感图像进行显著性分析得到显著区域和非显著区域；3)对显著区域采用基于加窗IHS变换的融合方法，非显著区域采用基于小波变换的融合方法；4)将得到的显著区域和非显著区域I分量合并，与多光谱图像的H、S分量经IHS逆变换得到融合图像。本发明专利技术通过基于显著性分析的自适应融合，对显著区域很好保留了空间分辨率与光谱信息，对非显著区域有效降低了光谱扭曲度，解决了遥感图像融合中不同区域对空间分辨率和光谱信息要求不同的问题，可用于环境监测、土地利用与农业调查等领域。

【技术实现步骤摘要】
【专利摘要】本专利技术公开，属于遥感图像处理
。实施过程包括：1)多光谱图像经IHS变换得到I、H、S分量；2)采用多尺度谱残差对全色遥感图像进行显著性分析得到显著区域和非显著区域；3)对显著区域采用基于加窗IHS变换的融合方法，非显著区域采用基于小波变换的融合方法；4)将得到的显著区域和非显著区域I分量合并，与多光谱图像的H、S分量经IHS逆变换得到融合图像。本专利技术通过基于显著性分析的自适应融合，对显著区域很好保留了空间分辨率与光谱信息，对非显著区域有效降低了光谱扭曲度，解决了遥感图像融合中不同区域对空间分辨率和光谱信息要求不同的问题，可用于环境监测、土地利用与农业调查等领域。【专利说明】
本专利技术属于遥感图像处理
，具体涉及。
技术介绍
遥感图像融合是指将不同传感器得到的具有不同观测特性的图像信息有选择、有策略的结合起来，以得到具有更优观测特性的新图像的方法，是很多遥感图像应用重要的预处理环节，在环境监测、土地利用、农业调查以及能源探测等多个领域都有着广泛的应用。在目前的图像融合技术中，将多光谱图像与全色遥感图像进行融合是遥感图像融合较为普遍的选择。全色遥感图像(PAN:panchromatic image)清晰度较高,空间细节信息丰富，但光谱分辨率较低；多光谱图像(MS:mult1-spectral image)光谱信息丰富,但空间分辨率较差。人们将两者进行图像融合，消除不必要的冗余，实现空间信息和光谱信息的互补，使得到的融合图像在保证空间分辨率的同时又较好的保留图像光谱信息。常用的图像融合方法有 Brovey 变换、IHS 变换(IHS, Intensity-Hue-Saturation transformation)、离散小波变换(DWT, Discrete Wavelet Transformation)等。基于Brovey变换的融合方法属于线性加权法中的一种，计算简单，融合速度较快，但融合图像亮度较低，光谱畸变严重。与基于Brovey变换的融合方法相比，基于IHS变换的融合方法可以有效的提高融合后图像的空间分辨率，较好的保留全色图像的空间细节信息，在一定程度上改善光谱畸变，但融合效果易受全色遥感图像中噪声的影响。基于小波变换的融合方法具有多分辨率的特性，能够较好抑制光谱畸变，但在保留空间细节上表现一般，易产生分块效应。在遥感图像中，不同区域对光谱分辨率和空间分辨率的要求有所不同。例如，城镇等区域需要较多的空间细节信息，要求图像有较高空间分辨率；农田、山地等区域则对图像的光谱分辨率的要求更高。而现有的图像融合方法都是对整幅图像做统一的处理，并没有针对区域的不同进行融合方法上的区分，导致融合后的图像不能很好的满足观察者的需求。
技术实现思路
针对以上技术中存在的问题，本专利技术提供了，通过基于多尺度谱残差的遥感图像显著性分析获得图像的显著区域和非显著区域，在显著区域采用基于加窗IHS变换的融合方法，提高显著区域的空间分辨率；在非显著区域采用基于小波变换的融合方法，保留更多光谱信息。本专利技术采用的技术方案包括以下几个步骤:步骤一:多光谱图像经IHS变换得到1、H、S分量，1、H、S分量分别表征图像的亮度(Intention)、色度(Hue)和饱和度(Saturation)；步骤二:通过多尺度谱残差方法对全色遥感图像进行显著性分析得到全色遥感图像的显著图，利用最大类间方差法对显著图进行阈值分割，分别得到显著区域和非显著区域的二值化模板；具体过程如下:I)对全色遥感图像K分别在三个尺度下进行下采样得到K' δ, δ=1,2,3；2)将K' δ进行二维傅里叶变换，分别得到三个尺度下的图像幅值谱As和相位谱9s ；3)对三个尺度下的全色遥感图像幅值谱As分别取对数，得到三个尺度下对应的对数谱Ls ；4)对Ls进行5X5的均值滤波得到L' s，用Ls减去L' s，分别得到三个尺度下幅值谱的残差信息Rs ；5)将^和进行傅里叶逆变换，对逆变换的结果进行高斯滤波，分别得到三个尺度下的全色遥感图像特征图Ss ；6)对三个尺度下的特征图Ss进行跨尺度融合，得到显著图S ；7)采用最大类间方差法计算S的分割阈值，记为λ ;用λ对显著图S进行二值分害I]，得到显著区域和非显著区域的二值化模板。步骤三:多光谱图像的I分量与非显著区域模板相乘得到多光谱图像I分量的非显著区域，记为M ;全色遥感图像与非显著区域模板相乘得到全色遥感图像的非显著区域，记为N ；步骤四:对M进行三层小波分解，提取M的低频分量，记为M_1 进行三层小波分解，提取N的高频分量，记为N_h ；步骤五:将M的低频分量M_1和N的高频分量N_h直接重组，将重组结果进行小波重构，得到融合图像亮度分量的非显著区域，记为I1 ;步骤六:多光谱图像的I分量与显著区域模板相乘得到多光谱图像I分量的显著区域，记为P ;全色遥感图像与显著区域模板相乘得到全色遥感图像的显著区域，记为Q ;对P和Q采用基于加窗IHS变换的融合方法，即对P和Q进行窗口大小为3X3的灰度值矩阵匹配，得到融合图像亮度分量的显著区域，记为I2 ;具体过程如下:I)构造一个3X3的矩阵，分别加在多光谱图像I分量的显著区域P和全色遥感图像的显著区域Q的对应位置上；2)分别得到P和Q上的3X 3窗口矩阵PW与QW ;计算PW中所有元素的灰度均值，记为PW_M，计算QW中所有元素的灰度均值，记为QW_M ;利用公式【权利要求】1.，本方法首先通过基于多尺度谱残差的显著性分析获得遥感图像的显著区域和非显著区域，然后在显著区域采用基于加窗IHS变换的融合方法，提高显著区域的空间分辨率，在非显著区域采用基于小波变换的融合方法，保留更多光谱信息，其特征在于，包括以下步骤: 步骤一:多光谱图像经IHS变换得到1、H、S分量，1、H、S分量分别表征图像的亮度(Intention)、色度(Hue)和饱和度(Saturation)； 步骤二:通过多尺度谱残差方法对全色遥感图像进行显著性分析，得到全色遥感图像的显著图，利用最大类间方差法对显著图进行阈值分割，分别得到显著区域和非显著区域的二值化模板； 步骤三:多光谱图像的I分量与非显著区域模板相乘得到多光谱图像I分量的非显著区域，记为M ;全色遥感图像与非显著区域模板相乘得到全色遥感图像的非显著区域，记为N； 步骤四:对M进行三层小波分解，提取M的低频分量，记为M_1 JtN进行三层小波分解，提取N的高频分量，记为N_h ； 步骤五:将M的低频分量M_1和N的高频分量N_h直接重组，将重组结果进行小波重构，得到融合图像亮度分量的非显著区域，记为I1 ; 步骤六:多光谱图像的I分量与显著区域模板相乘得到多光谱图像I分量的显著区域，记为P ;全色遥感图像与显著区域模板相乘得到全色遥感图像的显著区域，记为Q ;对P和Q采用基于加窗IHS变换的融合方法，即对P和Q进行窗口大小为3X3的灰度值矩阵匹配，窗口遍历后得到融合图像亮度分量的显著区域，记为I2 ; 步骤七:将非显著区域I1与显著区域I2合并，得到最终的融合图像亮度分量，记为 步骤八:将I,、H、S分量进行IHS逆变换，得到最终的融合图像。2.根据权利要求1所述的，其特征在于本文档来自技高网...

【技术保护点】
一种基于显著性分析的自适应遥感图像融合方法，本方法首先通过基于多尺度谱残差的显著性分析获得遥感图像的显著区域和非显著区域，然后在显著区域采用基于加窗IHS变换的融合方法，提高显著区域的空间分辨率，在非显著区域采用基于小波变换的融合方法，保留更多光谱信息，其特征在于，包括以下步骤：步骤一：多光谱图像经IHS变换得到I、H、S分量，I、H、S分量分别表征图像的亮度(Intention)、色度(Hue)和饱和度(Saturation)；步骤二：通过多尺度谱残差方法对全色遥感图像进行显著性分析，得到全色遥感图像的显著图，利用最大类间方差法对显著图进行阈值分割，分别得到显著区域和非显著区域的二值化模板；步骤三：多光谱图像的I分量与非显著区域模板相乘得到多光谱图像I分量的非显著区域，记为M；全色遥感图像与非显著区域模板相乘得到全色遥感图像的非显著区域，记为N；步骤四：对M进行三层小波分解，提取M的低频分量，记为M_l；对N进行三层小波分解，提取N的高频分量，记为N_h；步骤五：将M的低频分量M_l和N的高频分量N_h直接重组，将重组结果进行小波重构，得到融合图像亮度分量的非显著区域，记为I1；步骤六：多光谱图像的I分量与显著区域模板相乘得到多光谱图像I分量的显著区域，记为P；全色遥感图像与显著区域模板相乘得到全色遥感图像的显著区域，记为Q；对P和Q采用基于加窗IHS变换的融合方法，即对P和Q进行窗口大小为3×3的灰度值矩阵匹配，窗口遍历后得到融合图像亮度分量的显著区域，记为I2；步骤七：将非显著区域I1与显著区域I2合并，得到最终的融合图像亮度分量，记为I′；步骤八：将I′、H、S分量进行IHS逆变换，得到最终的融合图像。...

【技术特征摘要】

【专利技术属性】
技术研发人员：张立保，章珏，杨绪业，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：北京;11