基于对偶稀疏非负矩阵分解的多光谱与全色图像融合方法技术

技术编号:11937171 阅读:153 留言:0更新日期:2015-08-26 08:04
本发明专利技术公开了一种基于对偶稀疏非负矩阵分解的多光谱与全色图像融合方法,主要解决现有技术中空间信息模糊和光谱扭曲的问题。其步骤为:(1)分别输入低空间分辨率的多光谱图像、高空间分辨率的全色图像及光谱退化矩阵、空间退化矩阵;(2)分别将低空间分辨率的多光谱图像和高空间分辨率的全色图像分块列向量化;(3)对列向量化后的图像进行对偶稀疏非负矩阵分解,得到高空间分辨率的字典和具有光谱信息的系数矩阵;(4)将高空间分辨率的字典和具有光谱信息的系数矩阵相乘得到列向量化的高空间分辨率的多光谱图像,并将其恢复为高空间分辨率多光谱图像。本发明专利技术能获得准确的空间和光谱信息,可用于目标识别、地物分类和环境监测等遥感领域。

【技术实现步骤摘要】

本专利技术属于图像处理
,更进一步设及遥感图像中的图像融合方法,可用 于目标识别、地物分类和环境监测等遥感领域。
技术介绍
由于光学传感器成像的物理限制,遥感卫星通常只能获得低空间分辨率的多光谱 图像和高空间分辨率的全色图像。多光谱图像具有丰富的光谱信息,但空间分辨率较低;全 色图像空间分辨率较高,具有丰富的空间信息,但光谱信息较少。为了得到高空间分辨率的 多光谱图像,人们采用图像融合技术,综合利用全色图像的空间信息与多光谱图像的光谱 信息,最终得到更准确、更全面的地物信息,从而获得更好的视觉效果。 目前,多光谱图像与全色图像融合技术主要可W分为两类;一类是基于成分替代 的方法,例如I服色彩变换法、主成分分析法PCA。由于基于成分替代的方法原理简单,易于 操作,因此得到广泛应用。但是该类方法会产生严重的光谱扭曲。另一类是基于注入的方 法,例如小波变换法、Laplacian金字塔分解法。该类方法大大减小了图像的光谱扭曲,但 是容易产生振铃效应。 中国科学院自动化研究所和北京市信息遥感所在"基于非负矩阵分解的高光谱和 可见光图像融合方法"(申请号201210245835. 4,申请公布号CN102789639A)的专利申请 中,提出将非负矩阵分解技术运用到高光谱图像和可见光图像的融合的方案是:先利用基 于稀疏约束的非负矩阵分解方法对高光谱图像进行解混,得到端元光谱曲线;再根据可见 光图像的光谱吸收曲线和解混得到的端元光谱曲线,利用有约束的二次规划来求解图像 中每个像元的混合系数;最后将解混得到的端元光谱曲线和每个像元的混合系数进行线性 混合,得到高空间分辨率和高光谱分辨率的融合图像。该方法虽然能够较好的提高高光谱 图像的空间分辨率,但是主要针对高光谱图像与可见光图像的融合,而不能够实现多光谱 图像与全色图像的融合,如果将该方案直接用于多光谱图像与全色图像的融合,将产生严 重的光谱扭曲。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足,提出一种基于对偶稀疏非负矩阵分 解的多光谱与全色图像融合方法,W提高空间分辨率,减少光谱扭曲。 为实现上述目的技术方案是:将全色图像与多光谱图像分别作为最终得到的高空 间分辨率的多光谱图像光谱退化和空间退化的结果,获取光谱退化矩阵和空间退化矩阵; 利用对偶稀疏非负矩阵分解方法的更新规则求解目标函数,得到高空间分辨率的字典和具 有光谱信息的系数矩阵;根据高空间分辨率的字典和具有光谱信息的系数矩阵得到高空间 分辨率的多光谱图像。具体步骤包括如下; (1)输入图像和矩阵:[000引 (la)分别输入低空间分辨率的多光谱图像和高空间分辨率的全色图像; (lb)分别输入空间退化矩阵D和光谱退化矩阵S; 似分别将低空间分辨率的多光谱图像和高空间分辨率的全色图像分块列向量 化,获得分块列向量化的低空间分辨率的多光谱图像Vim,和分块列向量化的高空间分辨率 的全色图像Vp^; 做将分块列向量化的低空间分辨率的多光谱图像Vim郝分块列向量化的高空间 分辨率的全色图像同时进行对偶稀疏非负矩阵分解,得到高空间分辨率的字典Wh和具 有光谱信息的系数矩阵Hh: (3a)构建目标方程;[001 引【主权项】1. 一种,包括以下步骤: (1) 输入图像和矩阵: (la) 分别输入低空间分辨率的多光谱图像和高空间分辨率的全色图像; (lb) 分别输入空间退化矩阵D和光谱退化矩阵S ; (2) 分别将低空间分辨率的多光谱图像和高空间分辨率的全色图像分块列向量化,获 得分块列向量化的低空间分辨率的多光谱图像Vlms和分块列向量化的高空间分辨率的全色 图像V pan; (3) 将分块列向量化的低空间分辨率的多光谱图像Vlms和分块列向量化的高空间分辨 率的全色图像Vpan同时进行对偶稀疏非负矩阵分解,得到高空间分辨率的字典W h和具有光 谱信息的系数矩阵Hh: (3a)构建目标方程:其中,111;为最小化,8111^(31:1:〇表示^4彡0;11)=服 11;!15=!11^为I的约束条件,Wd为低空间分辨率的字典, Hs为无光谱信息的系数矩阵,为数据的保真项,I |Hh| |1/2和 I Hs I 11/2为稀疏项,分别表示具有光谱信息的系数矩阵Hh和无光谱信息的系数矩阵士的21 范数,β为正则参数,权衡保真项与稀疏项之间的关系; (3b)用O到1之间的任意数值对高空间分辨率的字典Wh和具有光谱信息的系数矩阵 Hh的每一个元素进行初始化; (3c)设置最大循环次数η = 1000 ; (3d)固定WjPHh,利用下式更新WjPHs: 其中,T为矩阵转置操作,.*为点乘操作,./为点除操作,一为结果更新操作; (3e)固定WjPHs,利用下式更新Wd和Hh:(3f)循环(3d)和(3e),直到循环次数达到预先设定的最大循环次数η ; (4) 将高空间分辨率的字典Wh和具有光谱信息的系数矩阵Hh相乘得到分块列向量化 的高空间分辨率的多光谱图像V hms: Vhms=WhHh; (5) 将分块列向量化的高空间分辨率的多光谱图像Vhms转化为图像块,恢复到图像的 对应位置,得到高空间分辨率的多光谱图像。2. 根据权利要求1所述的, 其特征在于:所述步骤(Ib)中获取空间退化矩阵D,按如下公式进行:其中,ImXm为单位矩阵,e 1X4为元素全为1的行向量,?为克罗内克积。3. 根据权利要求1所述的, 其特征在于:所述步骤(Ib)中获取光谱退化矩阵S,按如下公式进行: S=Wr ? Aavk 其中,Anxn为基矩阵,该矩阵对角线元素为1,其余元素为0,N为低空间分辨率的多光谱 图像每个颜色通道中小块的数目,W = 为行向量,W1, W2, W3, W4分别为红,绿, 蓝,近红外通道的权值系数。4. 根据权利要求1所述的, 其特征在于:所述步骤(2)中低空间分辨率的多光谱图像和高空间分辨率的全色图像分块 列向量化,按如下步骤进行: (2a)将低空间分辨率的多光谱图像中红颜色通道的图像分为mXm的小块,且每个小 块之间重叠1个像素,m为小块的尺寸; (2b)将每个小块的第2列串联到第1列,第3列串联到第2列,以此类推,完成块的列 向量化,构成红色通道矩阵; (2c)重复步骤(2a)和(2b),构成低空间分辨率的多光谱图像中绿色,蓝色和近红外通 道的矩阵; (2d)将绿色通道矩阵连接到红色通道矩阵,将蓝色通道矩阵连接到绿色通道矩阵,以 此类推,构成列向量化的低空间分辨率的多光谱图像Vlms; (2e)将高空间分辨率的全色图像分为4mX4m的小块,且每个小块之间重叠4个像素; (2f)将每个小块的第2列串联到第1列,第3列串联到第2列,以此类推,构成列向量 化的高空间分辨率的全色图像Vpan。【专利摘要】本专利技术公开了一种,主要解决现有技术中空间信息模糊和光谱扭曲的问题。其步骤为:(1)分别输入低空间分辨率的多光谱图像、高空间分辨率的全色图像及光谱退化矩阵、空间退化矩阵;(2)分别将低空间分辨率的多光谱图像和高空间分辨率的全色图像分块列向量化;(3)对列向量化后的图像进行对偶稀疏非负矩阵分解,得到高空间分辨率的字典和具有光谱信息的系数矩阵;(4)将本文档来自技高网
...

【技术保护点】
一种基于对偶稀疏非负矩阵分解的多光谱与全色图像融合方法,包括以下步骤:(1)输入图像和矩阵:(1a)分别输入低空间分辨率的多光谱图像和高空间分辨率的全色图像;(1b)分别输入空间退化矩阵D和光谱退化矩阵S;(2)分别将低空间分辨率的多光谱图像和高空间分辨率的全色图像分块列向量化,获得分块列向量化的低空间分辨率的多光谱图像Vlms和分块列向量化的高空间分辨率的全色图像Vpan;(3)将分块列向量化的低空间分辨率的多光谱图像Vlms和分块列向量化的高空间分辨率的全色图像Vpan同时进行对偶稀疏非负矩阵分解,得到高空间分辨率的字典Wh和具有光谱信息的系数矩阵Hh:(3a)构建目标方程:minWD,Hh,Wh,Hs12[||Vlms-WDHh||22+||Vpan-WhHS||22+β[||Hh||1/2+||HS||1/2]]subject toWD,Hh,Wh,HS≥0;WD=DWh;HS=HhS]]>其中,min[·]为最小化,subjectto表示WD,Hh,Wh,HS≥0;WD=DWh;HS=HhS为12[||Vlms-WDHh||22+||Vpan-WhHS||22+β[||Hh||1/2+||HS||1/2]]]]>的约束条件,WD为低空间分辨率的字典,HS为无光谱信息的系数矩阵,和为数据的保真项,||Hh||1/2和||HS||1/2为稀疏项,分别表示具有光谱信息的系数矩阵Hh和无光谱信息的系数矩阵HS的21范数,β为正则参数,权衡保真项与稀疏项之间的关系;(3b)用0到1之间的任意数值对高空间分辨率的字典Wh和具有光谱信息的系数矩阵Hh的每一个元素进行初始化;(3c)设置最大循环次数n=1000;(3d)固定WD和Hh,利用下式更新Wh和HS:Wh←Wh·*VpanHST·/WhHSHST]]>HS←HS·*WhTVpan·/(WhTWhHS+β2HS-12)]]>其中,T为矩阵转置操作,.*为点乘操作,./为点除操作,←为结果更新操作;(3e)固定Wh和HS,利用下式更新WD和Hh:WD←WD·*VlmsHhT·/WDHhHhT]]>Hh←Hh·*WDTVlms·/(WDTWDHh+β2Hh-12);]]>(3f)循环(3d)和(3e),直到循环次数达到预先设定的最大循环次数n;(4)将高空间分辨率的字典Wh和具有光谱信息的系数矩阵Hh相乘得到分块列向量化的高空间分辨率的多光谱图像Vhms:Vhms=WhHh;(5)将分块列向量化的高空间分辨率的多光谱图像Vhms转化为图像块,恢复到图像的对应位置,得到高空间分辨率的多光谱图像。...

【技术特征摘要】

【专利技术属性】
技术研发人员:杨淑媛焦李成张凯刘红英马晶晶马文萍熊涛曹向海刘芳邢颖慧李剑
申请(专利权)人:西安电子科技大学
类型:发明
国别省市:陕西;61

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1