[发明专利]基于AGIHS及低通滤波器的遥感图像融合方法

摘要

本发明涉及遥感图像融合技术，具体是一种基于AGIHS及低通滤波器的遥感图像融合方法。本发明解决了现有遥感图像融合方法容易产生光谱损失现象、容易产生细节成分模糊现象的问题。基于AGIHS及低通滤波器的遥感图像融合方法，该方法是采用如下步骤实现的1)针对源多光谱图像进行自适应广义IHS变换，由此得到最优亮度分量；2)采用低通滤波器获取高频分量；3)将高频分量加入到源多光谱图像的各个波段中，由此得到新的融合图像。本发明适用于遥感卫星图像、雷达图像、一般的自然图像和医学图像的融合。

主权项

一种基于AGIHS及低通滤波器的遥感图像融合方法，其特征在于：该方法是采用如下步骤实现的：1)针对源多光谱图像进行自适应广义IHS变换，由此得到最优亮度分量；所述自适应广义IHS变换的具体步骤包括：1.1)针对源多光谱图像的红色光波段、绿色光波段、蓝色光波段、近红外波段进行加权求和，由此得到亮度分量；具体求和公式如下：I_wight=w1·img_ms(R)+w2·img_ms(G)+w3·img_ms(B)+w4·img_ms(N)---(1)]]>式(1)中：I_wight为亮度分量；w1、w2、w3、w4均为权值，且其范围均为(0，1)；img_ms(R)、img_ms(G)、img_ms(B)、img_ms(N)分别为源多光谱图像的红色光波段、绿色光波段、蓝色光波段、近红外波段；1.2)计算亮度分量和源全色图像的差值；具体计算公式如下：d_wight＝img_pan‑I_wight     (2)；式(2)中：d_wight为亮度分量和源全色图像的差值；img_pan为源全色图像；I_wight为亮度分量；1.3)将亮度分量和源全色图像的差值加入到源多光谱图像的各个波段中，由此得到新的多光谱图像；具体公式如下：式(3)中：img_wight(R)、img_wight(G)、img_wight(B)、img_wight(N)分别为新的多光谱图像的红色光波段、绿色光波段、蓝色光波段、近红外波段；img_ms(R)、img_ms(G)、img_ms(B)、img_ms(N)分别为源多光谱图像的红色光波段、绿色光波段、蓝色光波段、近红外波段；d_wight为亮度分量和源全色图像的差值；1.4)计算新的多光谱图像的全局质量指数，并将全局质量指数作为适应度函数，然后，采用粒子群算法来寻找适应度函数的最优适应度值，由此得到最优权值；1.5)将最优权值代入式(1)，由此得到最优亮度分量；具体公式如下：式(8)中：I_opt为最优亮度分量；wopt，1、wopt，2、wopt，3、wopt，4均为最优权值；img_ms(R)、img_ms(G)、img_ms(B)、img_ms(N)分别为源多光谱图像的红色光波段、绿色光波段、蓝色光波段、近红外波段；2)采用低通滤波器获取高频分量；具体步骤包括：2.1)针对源全色图像和最优亮度分量进行灰度直方图匹配，由此得到匹配好的全色图像；2.2)计算匹配好的全色图像和最优亮度分量的差值；具体计算公式如下：d_opt＝img_pan_matched‑I_opt      (9)；式(9)中：d_opt为匹配好的全色图像和最优亮度分量的差值；img_pan_matched为匹配好的全色图像；I_opt为最优亮度分量；2.3)采用低通滤波器对匹配好的全色图像和最优亮度分量的差值进行滤波，由此分别得到高频分量和低频分量；低通滤波器的系数矩阵具体表示如下：3)将高频分量加入到源多光谱图像的各个波段中，由此得到新的融合图像；具体公式如下：式(11)中：img_fus(R)、img_fus(G)、img_fus(B)、img_fus(N)分别为新的融合图像的红色光波段、绿色光波段、蓝色光波段、近红外波段；img_ms(R)、img_ms(G)、img_ms(B)、img_ms(N)分别为源多光谱图像的红色光波段、绿色光波段、蓝色光波段、近红外波段；d_high为高频分量。