[发明专利]基于差值图像稀疏表示的遥感图像融合方法

摘要

本发明公开了一种基于差值图像稀疏表示的遥感图像融合方法，主要解决现有遥感图像融合方法光谱失真的问题。其实现步骤为：输入图像集并分别进行取块，获得图像块数据集；根据图像块数据集构造高低分辨率差值图像训练集；利用半对称字典训练方法对高低分辨率差值图像训练集进行训练得到训练字典；输入待融合低分辨率多光谱图像和高分辨率全色图像，计算待融合低分辨率差值图像；根据半对称字典图像超分辨方法对待融合低分辨率差值图像进行超分辨处理得到高分辨率差值图像，并对其进行逆变换，得到高分辨的多光谱图像。本发明与经典遥感图像融合方法相比，由于采用了基于差值图像的融合模型，减小了光谱失真，可用于目标识别。

主权项

一种基于差值图像稀疏表示的遥感图像融合方法，包括：（1）训练步骤（1.1）输入N幅高分辨率多光谱图像，形成高分辨率多光谱图像集Xh,对该图像集Xh中每幅图像的1‑4个通道分别进行取块,并将N幅图像同一通道的图像块进行合并，得到该高分辨率多光谱图像集第1通道的数据集Xhb、第2通道的数据集Xhg、第3通道的数据集Xhr、第4通道的数据集Xhn，N≥1；（1.2）输入N幅高分辨率全色图像，形成高分辨率全色图像集Xp，对该图像集Xp中的图像进行取块，并将N幅图像的图像块进行合并，得到高分辨率全色图像数据集Xhp；（1.3）对高分辨率多光谱图像集Xh的图像依次进行低通滤波、下采样和线性插值，得到N幅与高分辨率多光谱图像大小相同的低分辨率多光谱图像，记为低分辨率多光谱图像集Xq；（1.4）对低分辨率多光谱图像集Xq中图像的1‑4通道进行取块，并将N幅低分辨率多光谱图像同一通道的图像块进行合并，组成低分辨率多光谱图像第1通道的数据集Xqb、第2通道的数据集Xqg、第3通道的数据集Xqr、第4通道的数据集Xqn；（1.5）根据（1）、（2）和（4）得到的数据集，计算1‑4通道的高分辨率差值图像Xdi以及低分辨率差值图像Ydi，i表示第几通道，i=1,2,3,4；（1.6）利用k均值聚类方法对高分辨率差值图像Xdi进行聚类，得到聚类后的高分辨率差值图像Xdim；根据高分辨率差值图像Xdi聚类时每一列所属类别的标记，对低分辨率差值图像Ydi进行类别划分，得到聚类后的低分辨率差值图像Ydim，k代表聚类类别数，m代表第几类，1≤m≤k；（1.7）利用半对称字典训练方法对聚类后的高分辨率差值图像Xdim和聚类后的低分 辨率差值图像Ydim进行联合训练，得到聚类后高分辨率差值图像Xdim的稀疏表示字典Dxdim、聚类后低分辨率差值图像Ydim的稀疏表示字典Dydim以及匹配矩阵Wim。（2）融合步骤（2.1）输入需要融合的低分辨率多光谱图像Iq和高分辨率全色图像Ip,对该低分辨率多光谱图像Iq的1‑4通道进行滑块，得到待融合的低分辨率多光谱图像块IqBi；对该高分辨率全色图像Ip进行滑块，得到待融合的高分辨率全色图像块IpB；（2.2）根据下式计算待融合的低分辨率差值图像块IdBi：IdBi＝IpB‑IqBi；（2.3）利用步骤（1.7）中训练得到的高分辨率差值图像稀疏表示字典Dxhim、低分辨率差值图像稀疏表示字典Dydim以及匹配矩阵Wim，利用半对称字典图像超分辨方法对低分辨率差值图像IdBi进行超分辨，得到融合高分辨率差值图像块Fdi；（2.4）对融合高分辨率差值图像块Fdi进行逆变换，得到融合图像块FBi：FBi＝IpB‑Fdi；（2.5）对融合图像块FBi进行滑块，得到融合后的高分辨率多光谱图像1‑4通道的图像Fi，再将这四个通道图像Fi整合到一起，得到一幅融合的分辨率多光谱图像F。