[发明专利]一种基于增强反投影的全色锐化后处理方法

说明书

本发明公开了一种基于增强反投影的全色锐化后处理方法，包括：对全色锐化处理获得的融合结果进行增强处理；通过直方图匹配技术调整融合结果的光谱信息；通过高通调制技术提升融合结果的空间分辨率；对增强处理后的融合结果进行重构误差反投影；包括：以成像模型为基础计算低分辨率下的重构误差；将重构误差反投影给融合结果以调整空间分辨率和光谱信息；直到重建误差足够小为止，并在最后输出反投影阶段的结果，即为后处理后的结果。本发明可应用于全色锐化的后处理当中，能在保持光谱图像光谱信息的同时极大提升融合结果的空间分辨率。

技术领域

本发明属于遥感图像处理、图像融合以及全色锐化技术领域，特别涉及一种基于增强反投影的全色锐化后处理方法。

背景技术

遥感图像的全色锐化就是在已知低空间分辨率的多光谱图像和高空间分辨率、低光谱分辨率的全色图像的基础上，恢复其兼具高空间和高光谱分辨率的多光谱图像，进而提升多光谱图像对地物的精细表达能力。全色锐化问题的研究源于当前的高分卫星受技术所限，对同一场景仅能产生一幅高空间分辨率的全色图像(Panchromatic image)和具有多个波段的低空间分辨率多光谱图像(Multispectral image)，而不能产生同时具备高空间分辨率和高光谱分辨率的图像。高空间分辨率有利于对地物的精准定位和精确描述，高光谱分辨率能刻画物质属性，有利于对地物的分类和识别。结合二者优势的高空间分辨率多光谱图像在目视判读、变化监测、提高分类和目标识别精度等诸多方面具有重要的应用价值。为了满足这一需求，遥感图像全色锐化概念被提出并迅速成为遥感图像处理领域的研究热点。

全色锐化问题属于图像反问题，是数学与信息科学的交叉研究领域。从摄影成像的角度出发，全色锐化数学上可归结为如下典型的不适定反问题模型：

其中，为观测得到的低空间分辨率多光谱图像的第k个波段图，为理想的高空间分辨率多光谱图像的第k个波段图，B为下采样矩阵，H_k为第k个波段所对应的模糊算子，e为噪声或模型误差，N为多光谱图像的波段数。

为了利用观测得到的高空间分辨率全色图像x^pan，全色锐化问题从统计学的角度也可以看成为贝叶斯统计推断问题：

其中，为所有高空间分辨率多光谱波段图，为所有低空间分辨率多光谱波段图，p(·)为概率密度函数。

基于上述两种模型，学者们提出了一些典型的全色锐化方法，例如：贝叶斯数据融合法、基于全变差正则化的方法和基于稀疏表示的方法，等等。这些方法源于机器学习和图像处理领域的最新研究成果，虽然取得了相对较好的效果，但是，其求解复杂度较高，且进一步提升性能的空间有限。从信号处理的角度出发，低分辨率图像相对于其高分辨率图像而言，丢失了部分高频细节信息，即：

其中，为第k个波段图所丢失的空间细节。因此，为恢复高分辨率多光谱图像，需要对其低分辨率多光谱图像注入一些高频空间细节