[发明专利]基于Shearlet变换的多通道卫星云图融合方法

摘要

本发明涉及一种基于Shearlet变换的多通道卫星云图融合方法，属于气象预测领域。基于已配准的两幅卫星云图，首先对卫星云图进行Shearlet变换，得到低频系数和高频系数；然后，对Shearlet域低频部分，利用拉普拉斯金字塔进行再次分解，对其顶层取均值，其他层取灰度绝对值大的部分后重构；在Shearlet域高频部分，先计算每个高频子图的信息熵、平均梯度和标准差这三个值，然后分别进行归一化处理，再对处理后的三个值做乘积，最后取乘积大的子图为融合子图；再对融合后的高频子图用非线性算子增强图像细的细节；最后，通过Shearlet逆变换得到最终的融合图像。本方法可以推广到三幅及以上的卫星云图的融合，实现多通道卫星云图融合，得到较高精确度的台风中心定位结果。

主权项

一种基于Shearlet变换的多通道卫星云图融合方法，其特征在于包括下列步骤：步骤1、对配准后的源图像A和B，图像大小为M×N，分别进行Shearlet变换，分解层数为W，分解方向个数为T，T＝2r,r∈Z*，得到高频系数SHA和SHB、低频系数SLA和SLB；步骤2、分别对低频系数SLA和SLB做拉普拉斯金字塔分解，分解层数为Q，得到分解图像LA和LB，第q层子图分别为LAq和LBq，1≤q≤Q；步骤3、对拉普拉斯金字塔顶层子图LAQ和LBQ用均值法进行融合，得到融合结果LFQ为：LFQ(i,j)=LAQ(i,j)+LBQ(i,j)2]]>其中，1≤i≤CLQ，1≤j≤RLQ，CLQ是分解子图第Q层图像的行数，RLQ是分解子图第Q层图像的列数；步骤4、对拉普拉斯金字塔其他层子图LAq和LBq用灰度绝对值取大的融合规则融合，1≤q≤Q‑1，则融合结果LFq为：LFq(i,j)=LAq(i,j),|LAq(i,j)|≥|LBq(i,j)|LBq(i,j),|LAq(i,j)|<|LBq(i,j)|]]>步骤5、将融合后得到的拉普拉斯金字塔LF进行重构，得到低频部分的融合结果TLF；步骤6、在Shearlet变换域的高频部分，分别求每层每个方向子图的信息熵、平均梯度和标准差，记第w层第t个方向的高频子图分别为和1≤w≤W，1≤t≤T，其大小和原图大小一样是M×N，则其信息熵E为：E=-Σi=0L-1Pilog2Pi]]>其中，Pi表示子图中像素灰度值为i的概率,L表示图像中灰度级的个数，高频子图的平均梯度表示为G‾=Σii=1M-1Σjj=1N-1(∂SHwt(xii,yjj)∂xii)2+(∂SHwt(xii,yjj)∂yjj)22(M-1)(N-1)]]>其中，表示高频子图或中xii行yjj列的像素点，1≤ii≤M,1≤jj≤N，高频子图的标准差σ表示为：σ=Σii=1MΣjj=1N(SHwt(xii,yjj)-h‾)2M×N]]>其中，表示高频子图的灰度均值；步骤7、对高频子图和相对应的信息熵E、平均梯度标准差σ分别进行归一化处理，得到归一化后的信息熵Eg、平均梯度标准差σg，选择三者乘积值大的作为融合后的高频子图，即(SHF)wt=(SHA)wt,(Eg)A×(G‾g)A×(σg)A≥(Eg)B×(G‾g)B×(σg)B(SHB)wt,(Eg)A×(G‾g)A×(σg)A<(Eg)B×(G‾g)B×(σg)B]]>步骤8、对融合后的高频子图进行基于离散平稳小波变换的非线性增强处理，设高频子图的所有像素灰度中绝对值最大的为maxh，则可以得到增强后的高频子图为：(E_SHF)wt(ii,jj)=a·maxh{sigm[c(Shwt(ii,jj)-b)]-sigm[-c(Shwt(ii,jj)+b)]}]]>其中，b＝0.35，c＝20；a＝1/(d1‑d2)，d1＝sigm(c×(1+b))，d2＝sigm(‑c×(1‑b))；Shwt(ii,jj)=(SHF)wt(ii,jj)/maxh;]]>步骤9、对融合处理后的Shearlet系数值进行Shearlet逆变换，得到最终的融合图像F。