[发明专利]基于方向波域隐马尔可夫树模型的遥感图像融合方法

摘要

本发明公开了一种基于方向波域隐马尔可夫树模型的遥感图像融合方法，主要解决HIS方法存在光谱失真以及小波变换方法方向信息不足的问题。其实现步骤是：(1)将多光谱图像进行HIS变换，得到H、I、S三个分量；(2)将全色图像和I分量进行方向波变换；(3)对高频系数分别建立HMT模型，训练得出参数集估计值，并计算后验概率；(4)根据后验概率，选择最优的高频系数；(5)采用遗传算法的融合规则对低频系数进行融合；(6)对融合后的系数进行方向波逆变换得到新的I分量，再结合H、S分量进行HIS逆变换，得到最终融合图像。本发明能充分提取源图像的各向异性特征，充分挖掘数据中的相关性，可在提高融合图像细节信息的同时更好的保持多光谱图像的光谱特性不变。

主权项

1.一种基于方向波域隐马尔可夫树模型的遥感图像融合方法，包括如下步骤：(1)将多光谱图像由红-绿-蓝RGB空间变换到色度-亮度-饱和度HIS空间，得到色度H、亮度I、饱和度S三个分量；(2)将全色图像与亮度I分量进行直方图匹配，使新的全色图像与亮度I分量具有较强的相关性；(3)对新的全色图像和亮度I分量分别进行Directionlet变换，得到新的全色图像和亮度I分量的低频系数和高频系数；(4)对新的全色图像的Directionlet高频系数和亮度I分量的Directionlet高频系数分别建立HMT模型，并构造新的全色图像的模型参数集θ₁和亮度I分量的模型参数集θ₂；(5)利用期望最大算法即EM算法分别对新的全色图像的模型参数集θ₁和亮度I分量的模型参数集θ₂进行训练，得到所述θ₁的估计值和所述θ₂的估计值根据θ₁计算新的全色图像的每个Directionlet高频系数的后验概率P_A，根据计算亮度I分量的每个Directionlet高频系数的后验概率P_B；(6)根据新的全色图像的后验概率P_A和亮度I分量的后验概率P_B，对新的全色图像的Directionlet高频系数和亮度I分量的Directionlet高频系数采用显著性测量的融合规则进行融合，得到新的亮度I分量的Directionlet高频系数(7)对新的全色图像的Directionlet低频系数和亮度I分量的Directionlet低频系数采用基于遗传算法的融合规则，得到新的亮度I分量的Directionlet低频系数(8)对上述新的亮度I分量的Directionlet低频系数和高频系数进行Directionlet逆变换，得到新的亮度I分量；(9)将上述得到的新的亮度I分量与色度H、饱和度S分量相结合，由色度-亮度-饱和度HIS空间反变换到红-绿-蓝RGB空间，即可得到最终融合图像。