[发明专利]基于PCA与Shearlet变换的遥感图像融合方法

摘要

本发明公开了一种基于PCA与Shearlet变换的遥感图像融合方法，主要解决多光谱和全色图像融合过程中光谱信息和空间分辨率难以平衡的问题。其实现步骤是：对上采样后的多光谱图像进行PCA变换，得到各个分量图像；计算每个分量图像与全色图像的相关系数，并计算其与最大相关系数的差值；对差值小于给定阈值的分量图像和全色图像分别进行Shearlet分解，根据分解结果得到融合后的分量图像；将融合后的分量图像和差值不小于给定阈值的分量图像组成数据集，对该数据集进行逆PCA变换，得到融合图像。本发明具有融合图像的光谱保持性和空间分辨率高的优点，可用于到军事目标识别、气象监测、环境监测、城市规划以及防灾减灾。

主权项

一种基于PCA与Shearlet变换的遥感图像融合方法，包括如下步骤：1)分别输入一副多光谱图像I1和高分辨率全色图像I2；2)对多光谱图像I1进行上采样，上采样后的多光谱图像的大小与高分辨率全色图像I2的大小相同；3)对上采样后的多光谱图像进行主成分分析PCA变换，得到变换后的各个分量图像PCi,i＝1,2,...,Nb,其中Nb是多光谱图像的波段数；4)分别计算每一个分量图像PCi与全色图像I2的相关系数值，记为CCi,i＝1,2,...,N，并且将最大的相关系数值保存，记为CCMax；5)计算每一个相关系数值CCi与最大相关系数值CCMax的差值，对所有差值小于给定阈值的分量图像PCS,S＝1,2,...,N1，分别执行步骤6）到8），并将其余分量图像保存为PCNS,NS＝1,2,...,N2，其中N1为相关系数值CCi与最大相关系数值CCMax的差值小于给定阈值的分量图像的个数，N2为相关系数值CCi与最大相关系数值CCMax的差值大于或者等于给定阈值的分量图像的个数，且N1+N2＝Nb；6)对相关系数差值小于给定阈值的分量图像PCS,S＝1,2,...,N1和高分辨率全色图像I2分别进行Shearlet变换分解，分别得到分量图像的一个低频系数Lk和多个方向子带系数Hk，以及全色图像的一个低频系数Lp和多个方向子带系数Hp；7)对得到的分量图像PCS,S＝1,2,...,N1和全色图像I2的低频系数Lk，Lp和多个方向子带系数Hk，Hp分别采用不同的提取规则来作为融合后的分量图像的低频系数Lf和多个方向子带系数Hf；8)对融合后分量图像的低频系数Lf和多个方向子带系数Hf进行逆Shearlet变换，得到融合后的分量图像If；9)对所有融合后的分量图像If和步骤5）中保存的其余分量图像PCNS,NS＝1,2,...,N2进行逆主成分分析PCA变换，得到融合图像Ifus。