[发明专利]一种遥感图像融合方法、系统、设备及介质

说明书

本发明公开了一种遥感图像融合方法、系统、设备及介质，所述方法包括：获取源多光谱图像的亮度、色度和饱和度分量；获得线性拉伸后的全色图像；对源多光谱图像的亮度分量进行多分辨率分解，获得低频系数M和高频系数M；对线性拉伸后的全色图像进行多分辨率分解，获得低频系数P和高频系数P；对高频系数M和高频系数P进行融合，获得高频系数F；对低频系数M和低频系数P进行融合，获得低频系数F；基于高频系数F和低频系数F进行逆变换，获得逆变换后的亮度分量；基于源多光谱图像的色度和饱和度分量以及逆变换后的亮度分量进行IHS逆变换，得到遥感融合图像。本发明的方法，能够更好地保留图像的空间和光谱信息。

技术领域

本发明属于遥感图像处理技术领域领域，特别涉及一种遥感图像融合方法、系统、设备及介质。

背景技术

图像融合是将来自不同传感器的多幅源图像组合成为一幅图像的过程，融合之后得到的图像比源图像具有更加全面、更加丰富的信息，所以图像融合常作为图像处理和分析的前序步骤。通常情况下，图像融合可以分为三个层级：像素级融合、特征级融合和决策级融合；其中，像素级融合以提高图像清晰度、光谱表现力为目标，并为后续层级融合提供准备。

近年来，图像融合技术在空天遥感、机器视觉和医学等领域得到了广泛应用。诸多空天平台获取的海量多光谱图像和全色图像为遥感图像融合提供了数据来源；其中，多光谱图像包含多个光谱波段，有较高光谱分辨率，但其空间分辨率较低；而全色图像具有高空间分辨率，但其只有一个波段，光谱分辨率较低。为了更好的保留原始遥感图像的光谱信息和清晰度，诸多多光谱图像和全色图像的像素级融合方法被提出。

目前，常用的传统像素级图像融合方法可以分为基于空间域和基于变换域的方法。经典的基于空间域的方法主要有加权平均法、基于主成分分析(Principal ComponentAnalysis，PCA)的方法、基于亮度-色调-饱和度(Intensity-Hue-Saturation，IHS)的方法和基于Brovey变换(BT)的方法等。

基于PCA的图像融合方法从统计学角度对图像进行分析，主成分分析所提取出的独立分量能够很好地代表多光谱图像中信息最丰富的部分，但该方法直接使用全色图像替换第一主成分，往往会导致光谱信息的丢失。基于IHS的方法能显著改善空间分辨率、增强特征、增强色彩，但其只能处理三个波段的多光谱图像。基于Brovey变换的方法按照一定的比例关系将多光谱图像各个波段的光谱信息分配到融合图像中，这种简单的比例关系造成了光谱信息的丢失和亮度的失真。经典的基于变化域的方法主要有金字塔变换法、小波变换法和其它多分辨率方法。P.J.Burt等人在1983年提出的基于拉普拉斯金字塔变换的方法有效的提高了融合效果，但图像的冗余度较高。T.Ranchin和L.Wald在1993年提出了小波变换法，解决了分解后子图像之间的冗余问题，该方法具有良好的时频特性，但是无各向异性。

发明内容

本发明的目的在于提供一种遥感图像融合方法、系统、设备及介质，以解决上述存在的一个或多个技术问题。本发明的方法，能够更好地保留图像的空间和光谱信息。

为达到上述目的，本发明采用以下技术方案：

本发明第1方面提供一种遥感图像融合方法，包括以下步骤：

对源多光谱图像进行IHS变换，获取源多光谱图像的亮度、色度和饱和度分量；根据获得的亮度分量对源全色图像进行线性拉伸，获得线性拉伸后的全色图像；

对源多光谱图像的亮度分量进行多分辨率分解，获得低频系数M和高频系数M；对线性拉伸后的全色图像进行多分辨率分解，获得低频系数P和高频系数P；

对高频系数M和高频系数P进行融合，获得高频系数F；对低频系数M和低频系数P进行融合，获得低频系数F；

基于高频系数F和低频系数F进行逆变换，获得逆变换后的亮度分量；基于源多光谱图像的色度和饱和度分量以及逆变换后的亮度分量进行IHS逆变换，得到遥感融合图像。