[发明专利]一种基于NSST和β散度非负矩阵分解的遥感图像融合方法

权利要求书

1.一种基于NSST和β散度非负矩阵分解的遥感图像融合方法，其特征在于，包括以下步骤：

S1、计算多光谱强度分量：使用基于加权局部对比度的自适应加权平均方法，融合多光谱图像各波段，生成强度分量I，加权局部对比度作为空间域中细节信息的评判指标，加权局部对比度高的像素被认为是权重更大的信息，在融合过程中赋予更大的权重，根据加权局部对比度设计自适应加权平均的系数ω_i，公式如下：

其中n是MS图像的波段数，WSML_i表示MS图像第i个波段的加权局部对比度值；

S2、光谱估计：将I作为初始α，根据如下公式计算前景色F和背景色B：

其中i是第i颜色通道，α_ix和α_iy值是光谱前景F^k、光谱背景B^k和α的水平和垂直导数，F和B包含光谱信息；

S3、NSST分解：对强度分量I和全色图像分别进行NSST分解，得到一个低频分量和多个高频分量，后续根据低频子带系数和各高频子带系数特点，实施不同的融合策略；

S4、低频系数融合：低频分量是原图像的近似，描述图像的基本结构，低频分量采用基于交替方向乘子法的β散度非负矩阵分解的融合规则；

S5、高频系数融合：NSST的不同尺度高频分量提供了多尺度信息，还包含边缘和纹理细节信息，边缘、纹理空间细节部分具有较高的局部对比度，是图像融合的目标，高频分量采用基于加权局部对比度的融合规则；

S6、NSST逆变换：对融合后的高、低频分量，进行NSST逆变换，得到融合图像，作为最终参与重构的α；

S7、图像重构：根据如下公式，通过组合α、F和B来重构得到最终的融合结果：

I_i＝α_iF_i+(1-α_i)B_i (4)

其中F_i是第i个像素的前景颜色，B_i是第i个像素的背景颜色，I_i第i个像素的颜色，经过上面步骤之后，得到最终的融合结果。

2.根据权利要求1所述的一种基于NSST和β散度非负矩阵分解的遥感图像融合方法，其特征在于：所述步骤S2还包括图像抠图模型，具体为通过线性合成模型将输入图像区分为前景色F和背景色B，即第i个像素的颜色是对应的前景颜色和背景颜色的线性组合：

I_i＝α_iF_i+(1-α_i)B_i (5)

其中F_i是第i个像素的前景色，B_i是第i个像素的背景色，α是F的不透明度，获取α是图像抠图的关键过程，根据图像抠图模型，在确定输入图像和α的同时，通过求解以下函数估计前景色F和背景色B：

其中i是第i颜色通道，α_ix和α_iy值是光谱前景F^k、光谱背景B^k和α的水平和垂直导数。