[发明专利]基于光谱形态和Gram-Schmidt变换约束的高光谱影像变分融合方法有效

专利信息
申请号: 201910528784.8 申请日: 2019-06-18
公开(公告)号: CN110390658B 公开(公告)日: 2021-04-27
发明(设计)人: 刘修国;黄泽华;陈启浩;沈永林;陈涛 申请(专利权)人: 中国地质大学(武汉)
主分类号: G06T5/50 分类号: G06T5/50
代理公司: 武汉知产时代知识产权代理有限公司 42238 代理人: 龚春来
地址: 430000 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 光谱 形态 gram schmidt 变换 约束 影像 融合 方法
【权利要求书】:

1.一种基于光谱形态和Gram-Schmidt变换约束的高光谱影像变分融合方法,其特征在于,包括以下步骤:

S101:获取待融合区域的高分辨率影像及对应的高光谱影像;并将所述高光谱影像进行重采样,使其空间分辨率和所述高分辨率影像相同,进而得到重采样后的高光谱影像;并将所述重采样后的高光谱影像作为第一次迭代的融合影像;

S102:分别计算融合影像和所述高分辨率影像各波段的梯度;

S103:根据计算得到的所述融合影像各波段的梯度和所述高分辨率影像各波段的梯度,建立空间信息保真项Eg,以增强融合影像的空间细节;所述空间信息保真项Eg的建立方法如下:

根据计算得到的所述融合影像各波段的梯度和所述高分辨率影像的梯度,采用公式(2)建立空间信息保真项Eg

上式中,表示高分辨率影像的标准向量场;i=1,2,...,n,n为融合影像的总波段数;Ω表示全部融合影像区域;为融合影像第i个波段的梯度值;

S104:分别计算所述重采样后的高光谱影像和融合影像的光谱形态特征向量,并分别计算融合影像中各精细像素在所述重采样后的高光谱影像中对应的粗像素邻域内的权重;

S105:根据所述重采样后的高光谱影像和融合影像的光谱形态特征向量和融合影像中各精细像素在所述重采样后的高光谱影像中对应的粗像素邻域内的权重,计算得到光谱形态约束项Es;所述光谱形态约束项Es的计算方法如下:

根据所述重采样后的高光谱影像和融合影像的光谱形态特征向量和融合影像中各精细像素在所述重采样后的高光谱影像中对应的粗像素邻域内的权重,采用公式(5)计算得到光谱形态约束项Es

Es=∫ΩI(Du(x)-Φ·DH(Y))2w(x,Y)dxdY (5)

上式中,Ω表示全部融合影像区域;I表示一个精细像素的粗像素邻域范围大小;为比例系数;这一约束用于修正融合影像中像素的光谱信息,并生成更高空间分辨率尺度下的光谱特征;

S106:采用Gram-Schmidt变换对所述高分辨率影像和所述重采样后的高光谱影像进行合并处理,得到处理结果Z;并将融合影像与处理结果Z相减,得到相关性约束项Ec

S107:根据空间信息保真项Eg、光谱形态约束项Es和相关性约束项Ec,建立能量方程E;所述能量方程E如公式(7)所示:

上式中,γ、α、β、μ和η均为预设的比例系数;为融合影像第i个波段的梯度值,ui为融合影像第i个波段值;Φ为比例系数;n为融合影像的总波段数;w(x,Y)为精细像素x的邻域粗像素Y的权重;DH(Y)和Du(x)分别表示原始高光谱影像中的粗像素的光谱形态值和融合影像中精细像素的光谱形态特征值;θ表示高分辨率影像的标准向量场;

S108:通过梯度下降法计算所述能量方程E的最优解,以重建融合影像,得到重建后的融合影像;

S109:计算所述重建后的融合影像和所述重采样后的高光谱影像之间的光谱角R;

S110:判断条件R<r或者w>num是否成立;若是,则到步骤S111;否则,将w更新为w+1,并将所述重建后的融合影像作为下一次迭代的融合影像,并返回步骤S102;其中,r为预设的光谱角阈值,w为迭代次数,w的初始值为1;num为预设的最大迭代次数;

S111:将当前融合影像作为修正后的最终融合影像,并输出。

2.如权利要求1所述的一种基于光谱形态和Gram-Schmidt变换约束的高光谱影像变分融合方法,其特征在于:步骤S101中,将未经过重采样的高光谱影像中的像素作为粗像素,重采样过程将每个所述粗像素细分成了多个待修正的精细像素;重采样后的高光谱影像中的精细像素的总数与所述高分辨率影像的像素总数相同;且所述重采样后的高光谱影像和所述高分辨率影像的影像覆盖面积大小和空间分辨率大小均相同,所述高分辨率影像只有一个波段,而所述重采样后的高光谱影像有多个波段。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国地质大学(武汉),未经中国地质大学(武汉)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910528784.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top