[发明专利]一种基于导向滤波的两级遥感图像融合方法

说明书

技术领域

本发明涉及遥感图像的可视化增强处理技术，尤其是针对星载多光谱图像和全色 光图像的图像融合方法。

背景技术

由于受到传感器物理特性等技术的限制，为了获得更高的光谱分辨率，常常要在 一定程度上牺牲空间分辨率，而如果以获得更高的空间分辨率为首要目标，则必须以 降低光谱分辨率为代价。为了解决这一矛盾，遥感平台，例如QuickBird、WorldView-2、 GeoEye-1常常搭载不同特性的传感器来分别获取具有高空间分辨率的全色光图像和 高光谱分辨率的多光谱图像，组成具有互补性的图像数据集。通过融合这两类图像既 可以提高多光谱图像空间分辨率，又保留其多光谱特性。因此，它不仅仅是数据间的 简单复合，而是强调信息的优化，以突出有用的专题信息，消除或抑制无关的信息， 改善目标识别的图像环境等。

在过去几十年中，已出现许多遥感图像融合的方法，其中成分替换法、模型优化 法和多分辨率分析法这三类方法是最常用的。经典的成分替换法有 Intensity-Hue-Saturation(IHS)、Gram Schmidt(GS)、Principal Component Analysis(PCA) 法等，由于全色光和多光谱图像间复杂的光谱响应，成分替换法将导致严重的光谱扭 曲。模型优化法是基于全色光图像、多光谱图像以及两者间关系建立恢复优化模型， 常用的方法有sparse representation(SR)等，由于遥感平台的光谱响应不同，这些假设 模型可能不适合所有卫星传感器，因此融合图像会产生空间和光谱失真。多分辨率分 析常用的方法有àtrous wavelet transformation(AWAT)和拉普拉斯金字塔(Laplacian pyramid)等，这类方法提取的空间细节可能与多光谱图像不匹配，因此，在融合图像 的空间扭曲是不可避免的。

发明内容

为了克服现有技术的不足，本发明提供一种基于导向滤波的两级图像融合方法， 预处理阶段对原始多光谱图像进行上采样和进行图像间的直方图匹配，设计两种细节 注入模型，首先通过基于多通道导向滤波注入模型进行初步的图像融合来提高光谱分 辨率，再利用单通道导向滤波细节注入模型对上述融合结果进行空间分辨率的提高， 最终融合结果将同时具有高空间分辨率和高光谱分辨率。

本发明解决其技术问题所采用的技术方案包括以下步骤：

第一步，运用双三次插值法对包含N个波段的原始多光谱图像MS_i进行上采样， 上采样后图像记为LMS_i；

第二步，计算强度分量其中线性组合系数α_i通过求解优化模型 得到；将全色光图像PAN分别与INT和MS_i进行直方图 匹配，匹配后图像分别记为PAN_I和PAN_LMS_i；

第三步，在以像素k为中心的正方形窗口w_k中，窗口大小为(2r+1)×(2r+1)， 输出图像O由导向图像Q经过线性变换得到；

构建单通道导向滤波器用GF_S(·)表示，其中Q为单波 段图像，为a_k b_k、在w_j中的均值，w_j是以像素j为中 心的正方形窗口，大小为(2r+1)×(2r+1)，μ_k与分别为Q在w_k的均值和方差，w为w_k中包含的所有像素点个数，p_j为输入 图像P在j处的像素值，为p在w_k中的均值，ε是正则化系数；

构建多波段图像导向滤波器用GF_M(·)表示，其中Q为多波段图 像，Σ_k为Q在w_k的协方差矩阵，U是N阶单位阵，

第四步，运用GF_M(·)将PAN_I图像进行两层分解，ZMS1＝GF_M(PAN_I,LMS)， ZMS2＝GF_M(ZMS1,LMS)；该两层的细节信息为DP1＝PAN_I-ZMS1， DP2＝ZMS1-ZMS2；初步融合结果为

第五步，计算权重矩阵