[发明专利]一种基于方向权值经验模式分解的遥感图像融合方法

摘要

本发明首先运用方向权值经验模式分解方法对采集到的源图像进行多尺度分解，获得每幅源图像的多级尺度的高频内蕴模式分量，对各级分量按照权值规则进行融合处理，保留了所有源图像的细节信息和能量分布，最后反向重构获取融合图像。本发明有益效果：与传统经验模式分解相比，克服了运算速度慢和分解结果有暗斑和边缘重叠的问题。获得各级分量按照权值规则进行融合处理，可最大化的融合细节信息，减少非细节信息的影响，保留各分量的能量分布。

主权项

1.一种基于方向权值经验模式分解的遥感图像融合方法，其特征在于：包括以下步骤：

步骤一、运用方向权值经验模式分解算法将匹配好的待融合源图像分别进行相同级数的分解，得到源图像的多尺度多向的内蕴模式函数分量imf_ij和剩余分量r_i，其中i＝1,2,…,m，m为待融合图像的数量，j＝1,2,…,n，n为分解得到的内蕴模式函数分量imf的级数；

步骤二、将相同级的待融合图像的内蕴模式函数分量imf_ij和剩余分量r_i进行融合处理，产生融合图像的第j级内模分量IMF_j和剩余分量R；

步骤三、将IMF_j和R反向重构得到融合图像I′：

2.根据权利要求1所述的一种基于方向权值经验模式分解的遥感图像融合方法，其特征在于：所述步骤一中对每个待融合图像进行分解的方法为：

(1)初始化：令r₀＝I,j＝1，I表示的是源图像；

(2)根据分解层数，进行以下操作：

(a)令h₀＝r_j‑1,i＝1，其中i表示内部第i次筛选，j为分解第j级内蕴模式分量；

(b)更新h_i＝h_i‑1‑m_i‑1,i＝i+1，其中m_i‑1为运用方向滤波器计算的h_i‑1的平均包络；

(c)重复步骤(b)直到h_i的极值数小于3或i＝AI，则s_j＝h_i,imf_j＝h_i,j＝j+1，其中AI为规定的筛选次数；

(3)更新r_j＝r_j‑1‑s_j；

(4)重复步骤(2)和(3)直到r_j的极大值和极小值之和小于3。

3.根据权利要求2所述的一种基于方向权值经验模式分解的遥感图像融合方法，其特征在于：所述步骤(b)中运用方向滤波器计算h_i‑1的平均包络m_i‑1的方法为：

(1)提取h_i‑1的所有局部极值点，并统计极值点的个数l，计算滤波器窗口w，其中M和N为输入源h_i‑1的像素大小；

(2)在窗口w下运用Riesz变换得到h_i‑1中所有点的局部方向，得到局部方向点集d_i‑1；

(3)根据方向点集d_i‑1当前点方向生成方向滤波器bdf，根据方向滤波器bdf计算当前点的局部方向权值均值，遍历所有数据点，计算得到平均包络m_i‑1。

4.根据权利要求3所述的一种基于方向权值经验模式分解的遥感图像融合方法，其特征在于：所述步骤(3)中方向滤波器bdf的生成方法为：

(a)由下式计算得到方向高斯滤波器filter(x,y,θ)：

(x,y)为当前点坐标，o、p的取值范围为其中θ为方向点集当前点的方向，σ为高斯方差；

(b)由下式计算二值方向滤波器：

5.根据权利要求3所述的一种基于方向权值经验模式分解的遥感图像融合方法，其特征在于：所述步骤(3)中由方向滤波器bdf计算平均包络m的方法为：

(a)计算参数s₁：

(b)计算参数s₂：

(c)计算权值ω：

(d)计算平均包络m：

6.根据权利要求1所述的一种基于方向权值经验模式分解的遥感图像融合方法，其特征在于：所述步骤二中融合的方法为：

(1)计算局部均值lm(x,y)：f表示imf_ij和r_i，u，v