[发明专利]基于PCA与Shearlet变换的遥感图像融合方法

说明书

技术领域

本发明属于智能图像处理领域，涉及图像融合方法，可用于到军事目标识别、气象监测、环境监测、土地利用、城市规划以及防灾减灾等多个领域的技术。

背景技术

随着遥感技术的发展，由各种卫星传感器对地观测获取同一地区的多源遥感图像数据，即多时相、多光谱、多传感器、多平台和多分辨率的遥感图像数据越来越多，为军事目标的识别、环境监测等提供了丰富而又宝贵的资料。但是由于实际应用中所需的遥感图像数据在时间、空间和光谱方面差异很大，而各种传感器提供的遥感图像数据都具有不同的特点，比如通过卫星获取的多光谱和全色图像，多光谱图像具有丰富的光谱信息，WordView-1卫星甚至能够获取到八个波段的多光谱图像，但是多光谱图像的分辨率一般情况下只有全色图像的四分之一，全色图像具有很高的空间分辨率，但是却没有丰富的光谱信息。所以遥感技术应用的主要障碍不是数据源的不足，而是从这些数据源中提取更丰富、更有用和更可靠信息的能力大小。各种单一的遥感手段获取的图像数据在几何、光谱和空间分辨率等方面存在明显的局限性和差异性，导致其应用能力受到限制，所以在实践中仅仅利用一种遥感图像数据是很难满足要求的，这就要求我们对多源图像数据之间的冗余性进行充分利用。冗余信息的应用，可以降低多源图像融合的误差和不确定性，提高识别率和精确度。多源遥感图像融合，尤其是多光谱和全色图像的融合，被认为是现代多源图像处理和分析中非常重要的一步。

目前，市场上使用的多光谱和全色图像融合方法主要有基于空间域的和基于变换域两种。

空间域中常用的融合方法有基于HIS变换、基于PCA变换和基于Gram-Schmidt变换三种。基于HIS变换的融合方法计算复杂度低，常被用于各种软件中，但是HIS变换融合后的图像光谱失真严重，并且只能用于三个波段的多光谱图像，随着传感器的飞速发展，从卫星传回地面的多光谱图像常常是多于三个波段的，所以基于HIS变换的融合方法的应用就受到了限制；基于PCA变换的融合方法得到的融合的图像具有比HIS变换具有更好的光谱特征和空间分辨率，对多光谱图像进行PCA变换分解，分解后的第一主分量图像含有原始多光谱图像的大部分能量，而当第一主分量图像和全色图像具有较高相关系数的时候，能够得到较高的融合图像，相反，当和全色图像相关系数最高的分量图像不是第一主分量图像的时候，如果仍采用传统的PCA方法，就会对融合图像的空间分辨率造成严重的影响，对具有多于三个波段的多光谱图像进行融合的时候常常会出现这种情况；基于Gram-Schmidt变换的融合方法已经被应用于ENVI软件中。在Gram-Schmidt变换方法的实现过程中，需要首先模拟一个低分辨率全色图像作为Gram-Schmidt分解的第一个分量，并基于此分量对多光谱图像进行正交分解，当模拟的第一分量图像与高分辨全色图像具有较高的相关系数的时候，能够得到较好的融合结果，反之，融合图像的光谱和分辨率就会受到较大的影响。目前，还没有一种更加有效的方式来解决Gram-Schmidt变换中的对第一分量的模拟问题。

基于变换域的常用的方法有基于小波的融合方法和基于多尺度几何分析的融合方法。基于小波的融合方法得到的融合图像能够较好的保持光谱信息，但是由于小波变换只能提取图像三个方向的特征，使得融合的图像空间分辨率不高。基于多尺度几何分析方法是目前图像融合领域研究的热点方法，在图像融合中，常用的多尺度几何分析工具主要有Bandlet、Contourlet和Shearlet。其中，Bandlet变换能够对图像进行任意方向的分解，按照实际的需要提取图像任意方向的特征，但是Bandlet变换不具有平移不变性，也就是当多光谱图像和全色图像在配准过程中存在配准误差的时候，融合图像就会出现双重边缘，严重影响融合图像的质量。Contourlet变换具有平移不变性，但是Contourlet变换在提取图像方向特征的时候，分解的方向数受到限制的，也就是只能对图像进行固定个方向的分解，使得图像的一些方向信息丢失，从而影响融合图像的空间分辨率。Shearlet变换不仅具有平移不变性，还能够对图像进行任意尺度和任意方向的分解，能够提取图像任意方向的特征，所以在融合图像中能够得到较高的空间分辨率。但是Shearlet变换，以及其它所有的多尺度几何分析工具，在多光谱和全色图像的融合过程中，需要对多光谱图像的每一个波段分别进行尺度的分解和方向特征的提取，随着多光谱图像的波段数越来越多，计算的时间复杂度也就会越来越大，单独使用多尺度几何分析工具来融合多光谱和全色图像，在计算的时间复杂度上，很难满足市场的要求。

发明内容