[发明专利]基于多尺度分析的高光谱数据空间分辨率增强方法

摘要

基于多尺度分析的高光谱数据空间分辨率增强方法，涉及一种高光谱数据空间分辨率增强方法。它是为了解决现有的高光谱数据空间分辨率低的问题。它首先将离散小波变换Mallat与平稳小波两种变换引入ARSIS概念中的多尺度分析模型MSM，分别分等级描述已配准的高光谱影像与辅助光学影像的空间结构。然后将光谱最小化注入模型引入波段间相互构造模式IBSM，对高频小波系数进行重构。进而，将所重构的高频系数注入原高光谱图像，得到融合后的小波系数。最后通过多尺度模式MSM逆变换得到空间分辨率在辅助光学图像水平的高光谱影像。本发明适用于增强高光谱数据空间分辨率。

主权项

1.基于多尺度分析的高光谱数据空间分辨率增强方法，其特征是：它由以下步骤实现：步骤一、采用干涉成像光谱仪拍摄一幅IIM图像，获得IIM高光谱数据，作为原始高光谱立方体；所述高光谱立方体为低空间分辨率LR图像；采用CCD立体相机拍摄一幅CCD图像，将所述CCD图像与所获得的IIM图像进行配准，得到配准的CCD光学影像，并作为配准的光学辅助图像；CCD图像为高空间分辨率HR图像；步骤二、通过多尺度模式MSM将步骤一中获得的IIM高光谱立方体进行分解，并分别给出不同尺度的低频影像与三个不同方向的高频影像，所获得低频影像用A_LR表示，高频影像用Z＝H，V，D表示，H、V和D分别代表水平、垂直和对角线分量；所述配准的CCD光学影像的分解级别较配准的IIM高光谱数据的分解级别高一个尺度，得到低频影像与三个不同方向的高频影像，获得低频影像用A_HR表示，高频影像用Z＝H，V，D表示，H、V和D分别代表水平、垂直和对角线分量；步骤三、将光谱最小化注入模型引入波段间相互构造模式IBSM；具体为：对高光谱立方体分别在32个波段中进行多尺度分解，在每个波段中的分解过程相同，具体为：将第k波段的高光谱数据与小波分解后的CCD图像进行以下操作，其中k＝1，2，...，32，CLR1-2Z=aZCHR1-2Z+bZ]]>a^Z＝σ^Z(LR)/σ^Z(HR)b^Z＝m^Z(LR)-a^Zm^Z(HR)，Z＝D，V，H式中，Z＝D，V，H表示小波分解所得小波系数的水平、垂直、对角线分量；m^Z(LR)与σ^Z(LR)分别是的均值与标准差；m^Z(HR)与σ^Z(HR)分别是的均值与标准差；下角标1-2表示一次小波分解得到的高低频影像，下角标2-4表示二次小波分解得到的高低频影像；然后与高一尺度分解的CCD图像进行融合，获得合成的第k波段的高频小波系数得到所有32波段的三个方向的高频小波系数；步骤四、将步骤三所得的所有波段的三个方向的高频系数作为融合后的高频小波系数，将原始低空间分辨率LR的IIM高光谱图像立方体本身作为融合后的低频小波系数，得到融合后的小波系数；步骤五、通过对步骤四所得融合小波系数进行多尺度模式MSM逆变换，获得空间分辨率与配准后的配准的CCD光学影像水平相当的融合后IIM图像。