[发明专利]基于丰度图像锐化重构的高光谱遥感图像融合方法

说明书

本发明公开了一种基于丰度图像锐化重构的高光谱遥感图像融合方法，通过采用ASD光谱仪在特定时段内实地测量各端元的野外光谱数据，从野外光谱数据中提取端元光谱数据，对第一Hyperion高光谱遥感图像数据空间重采样，得到第二高光谱重采样图像并与基准图像几何配准，依据各端元的野外光谱数据对配准后的第三高光谱重采样图像进行混合像元分解，按最小二乘原理解算得到各端元的第一丰度图像，将基准图像与第一丰度图像通过加权线性计算方法重构锐化的第二丰度图像，利用第二丰度图像及各端元的端元光谱数据计算融合图像，得到与全色波段空间分辨率相同的高光谱遥感图像，可以实现高光谱图像数据与全色波段数据的融合。

技术领域

本发明涉及高光谱遥感数字图像处理技术领域，尤其涉及一种基于丰度图像锐化重构的高光谱遥感图像融合方法。

背景技术

高光谱遥感成像仪获取的图像具有图谱合一的特征，它能对每个像元提供接近于实验室质量的地物完整连续光谱信息，实现了地物的空间信息、辐射信息、光谱信息的同步获取。其精细的光谱分辨率能够反映地物光谱的细微特征，使得根据诊断性的光谱吸收特征来识别地物，进行遥感定量分析和研究地物的化学成分成为可能。现已在矿物识别、植被生物化学参数估算以及环境遥感等方面得到了广泛应用。星载光谱成像仪受其特性的限制，通常空间分辨率较低。如地球观察卫星E0-1搭载的Hyperion高光谱成像仪，其空间分辨率为30m，较低的空间分辨率在一定程度上限制了高光谱遥感数据的应用潜力，而E0-1搭载的ALI传感器获取的全色波段图像具有较高的10m空间分辨率。遥感影像融合是一种通过高级图像处理来复合多源遥感图像的技术，采用一定的算法将各图像的优点或互补性有机地结合起来产生同时具有较高的光谱和空间分辨率的新图像，从而改善图像的几何精度、图像特征识别的精度及遥感信息提取的可靠性。因此，本发明将ALI高空间分辨率全色波段数据与Hyperion高光谱遥感数据融合，从而使高光谱遥感图像的空间分辨率提高到10m。然而，现有的方法大多针对多光谱遥感数据与全色波段的融合，如各种比值和加权乘法、高通滤波法、HIS变换法、主成分分析法、小波变换融合等方法。这些方法描述如下：

(1)比值运算是遥感图像处理中常用的方法，它是两个波段对应像元的灰度值之比或几个波段组合的对应像元灰度值之比。此种运算经常用来发现变化图斑，是动态监测的有力工具。加权乘法运算就是将高分辨率波段与多光谱两个灰度矩阵进行矩阵乘积，结果矩阵与多光谱矩阵差别较大，直接反映在影像上为光谱变化大，纹理不如原分辨率波段清晰。

(2)IHS变换是基于IHS色彩模型的融合变换方法，IHS变换将多光谱影像的红(R)、绿(G)、蓝(B)成份进行彩色变换，变换成代表空间信息的强度I分量和代表光谱信息的色度分量H、饱和度分量S。然后用高分辨率全色影像代替I分量，并与分离的色度H、饱和度S分量按照HIS逆变换得到空间分辨率提高的融合影像。此变换可用于相关资料的色彩增强、地质特征增强、空间分辨率的改善。该方法虽然易于实现，但由于I分量与全色波段的光谱响应的差异使得融合后的图像的光谱特性产生较大的变异，且只能用于3个波段，这显然不适用于高光谱遥感图像的融合。同样主成分变换融合法是将低分辨率的多光谱图像做主分量变换，并将高分辨率全色影像替换第一主分量，最后进行主成分逆变换，得到空间分辨率提高了的多光谱影像的融合影像。与主成分变换融合法类似的还有小波变换融合、Gram Schmid变换融合。由于全色波段的光谱响应范围一般为可见光至近红外波段，这与多光谱数据的光谱响应范围一致。因而，这些方法被广泛用于多光谱数据与全色波段数据的融合。而高光谱遥感图像数据的光谱响应范围在可见光至短波红外，与全色波段的光谱响应范围差异较大，因此，以高分辨率的全色波段替换低分辨率的高光谱图像的第一主成分时，由于光谱响应的差异而造成融合结果的光谱信息的损失，因而不能适用于高光谱遥感图像的融合。

发明内容

针对以上问题，本发明提出一种基于丰度图像锐化重构的高光谱遥感图像融合方法，其采用丰度图像锐化重构技术对Hyperion高光谱遥感图像与ALI高空间分辨率的全色波段图像进行融合的技术方法。该方法算法简单易行，其目的在于在保留高光谱图像的光谱信息的同时，增强其空间分辨率，从而得到高空间-高光谱分辨率的遥感图像。