基于模糊积分的图像优化融合方法技术

一种基于模糊积分的图像优化融合方法，在ＩＨＳ空间，将多光谱影像的强度分量经小波多层分解得到的低频基带系数，与高分辨率影像经对应多层小波分解得到的低频基带系数，利用模糊积分综合光谱信息和空间分辨率这两个单因素指标，进行迭代求优的像素级融合，同时对经小波分解后的高频子带系数进行高频细节特征融合，然后将融合处理后得到的高频子带系数、低频系数进行对应的小波逆变换，得到新的强度分量Ｉ’，再进行ＩＨＳ逆变换后得到优化融合后的影像。本发明专利技术结合了ＩＨＳ融合方法和小波融合方法的特点，使融合后的影像既达到最高的空间分辨率，又最大限度的降低了彩色的畸变，有效的改善了融合影像的光谱信息指标。（*该技术在2024年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及一种，结合小波多分辨率分解具有的时频特性和IHS(强度Intensity-色度Hue-饱和度Saturation)变换融合方法，利用模糊积分综合光谱信息和空间分辨率两个单因素指标，进行遥感影像优化融合，有效改善融合影像的光谱信息指标，在各类军用或民用的遥感信息处理系统、数字城市空间信息系统等领域中均可有广泛的应用。
技术介绍
有效的融合高分辨率全色遥感影像和低分辨率的多光谱遥感影像，均衡融合结果中空间细节信息和光谱信息两项特征指标，是多源遥感影像融合技术的研究热点之一。Haydn等人首先提出的IHS融合方法是经典的实用算法之一。该方法将多光谱影像通过IHS变换从RGB(红Red-绿Green-蓝Blue)空间变换到IHS空间，同时将高分辨率的全色影像进行线性拉伸，使得拉伸后影像的均值和方差与IHS空间中的强度分量I0一致。然后，将拉伸后的高分辨率影像作为新的强度分量，与H和S分量一起按照IHS逆变换公式变换到原RGB空间。这样，使得融合后的影像既具有较高的空间分辨率，同时又保持了原低分辨率多光谱影像相同的色度和饱和度。然而，这种经典的IHS融合方法存在着一定的缺陷，由于不同波段的数据具有不同的光谱特性曲线，IHS融合方法扭曲了原始的光谱特性，产生了不同程度的光谱退化现象，因而不利于影像的正确识别和分类，特别是对于不同时相的多传感器遥感影像的影像融合，IHS融合方法无法使得融合影像的色调和原多光谱影像的色调保持一致，这种因为光谱信息的变换，导致了影像不能用于地物识别和反演。Te-Ming等人在IHS空间进行了数学上的证明，论述了IHS融合方法的缺陷，得到的结论是尽管用于替换强度分量I0的高分辨率的全色影像Inew在替换前进行了影像的统计特性的匹配，但是匹配误差δ＝Inew-I导致了彩色的畸变。当利用模糊测度表征对评价指标的重视程度后，引入模糊积分则可以有效的综合光谱信息指标和空间分辨率两个单因素指标，在IHS融合方法和小波变换融合的基础上，模糊积分可以方便快捷的进行图像优化融合。目前尚未见有关将模糊积分用于图像优化融合的方法报道。
技术实现思路
本专利技术的目的在于针对上述IHS变换融合技术的不足，提供一种遥感影像优化融合方法，引入模糊积分作为综合光谱信息指标和空间分辨率两个单因素指标，既能提高融合后影像的空间分辨率，又能降低彩色的畸变，有效改善融合影像的光谱信息指标。为实现这样的目的，本专利技术在IHS空间，将多光谱影像的强度分量经小波多层分解得到的低频基带系数，与高分辨率影像经对应多层小波分解得到的低频基带系数进行以空间细节信息和光谱信息两项特征指标的模糊优化融合，对经小波分解后的高频子带系数进行高频细节特征融合，然后将小波系数进行对应的小波逆变换，得到新的强度分量，再进行IHS逆变换后得到融合后的影像。由于小波变换在变换域具有良好的分频特性，小波系数的统计特性反映了遥感影像的边缘、线和区域等显著特征，本专利技术将小波变换的多分辨分析(Multi-resolution Analysis)方法引入高分辨率全色遥感影像和低分辨率的多光谱遥感影像的融合中。本专利技术的方法包括如下具体步骤1.对待融合的多光谱影像B进行IHS变换，分别得到在IHS彩色空间的色度H、饱和度S和强度分量I，然后对I分量进行小波分解，得到低频基带系数和高频子带系数。2.对待融合高分辨率影像A进行线性拉伸和直方图匹配，然后进行小波分解，得到低频基带系数和高频子带系数，分解层数与多光谱影像I分量的小波分解层数相同。3.确定一个3×3的空域窗口，分别求得影像B的I分量的高频子带系数和影像A的高频子带系数的均值μ(2j)和方差D(2j)。4.在对应分辨率层上，高频子带系数按照(1)式进行高频细节特征融合 (1)式中，2j为小波分解层数，Wk(2j，x，y)为2j分辨率下得到的高频子带系数融合结果；WAK(2j，x，y)和WBK(2j，x，y)分别为影像A及影像B中I分量所对应的高频子带系数，DAK、DBK分别是以(x，y)为中心像元的3×3的空域窗口的方差。5.对影像B的I分量和影像A的低频基带系数，按照(2)式进行优化的像素级融合，权系数的kopt按照光谱信息评价指标和空间分辨率评价指标进行求优，求优采用模糊积分综合光谱信息指标和空间分辨率两项单因素指标A(2j，x，y)＝k1AA(2j，x，y)+k2AB(2j，x，y) (2)(2)式中，AA(2j，x，y)、AB(2j，x，y)分别为影像A及影像B中I分量对应的2j分辨率的低频基带数据，k1、k2为需要求优的权系数。按照归一化要求，k1、k2满足k1+k2＝1，即求优权系数的确定可以归结为满足目标函数的kopt＝k1＝1-k2。优化融合迭代过程中的权系数满足0≤kopt≤1；按照式S＝sup{min，min}计算寻优评价指标确定的模糊积分值Ei，求得SKopt＝max(Ei)，SKopt对应的迭代值kopt即为最优权系数，式中，g(E1)、g(E2)为对光谱信息指标和空间分辨率两项指标的重视度，e(u1)为光谱信息指标，e(u2)为空间分辨率指标，根据e(u1)，e(u2)的大小，u1和u2是对光谱信息和空间分辨率从小到大的排序位置。6.对得到的像素级融合的小波系数的低频基带系数，以及各高频小波系数进行对应的小波逆变换，得到新的强度分量I’；7.将I’、H、S进行IHS逆变换，得到融合后的影像C。本专利技术引入模糊积分对光谱信息指标和空间分辨率两项单因素指标进行象素级优化融合时定义设X为论域，e是从X到的可测函数，A∈P(X)，则e关于模糊测度g在集A上的模糊积分S定义如(3)式S=∫Ae(x)·g(x)=supminα∈]]>=maxα∈--(3)]]>其中，Eα＝{x|e(x)≥α}，P(x)是X的幂集。g(·)是模糊测度。利用模糊积分进行优化融合时，模糊测度可以表征重视程度。利用模糊积分进行优化融合的关键是模糊测度g(x)的定义，可以采用gλ测度。在论域X＝{x1，x2，x3，…xn}(因素集)为有限的情况下，在λ＝0时，只要确定了单点集(单因素集){xi}的gλ模糊测度gλ(xi)，则可以得到任意AX的测度。对于多光谱、高分辨图像融合问题，论域X＝{x1，x2}，评价因素有两个，x1＝光谱信息，x2＝空间分辨率。重视度为gλ(x1)，gλ(x2)，简单表示为g1、g2，则g({x1})＝g1，g({x2})＝g2，g({x1，x2})＝g({x1})+g({x2})＝1。e(x)表示光谱信息评价指标和分辨率评价指标。论域X相应的评价指标为e(x1)＝ESP，e(x2)＝EHF简单表示为e1，e2。按照模糊积分的定义，可以得到(4)式∫Xe(x)·g(x)=supminα∈--(4)]]>=maxα∈]]>根据e1，e2的大小，对x1和x2排序，按从小到大的排序位置本文档来自技高网...

【技术保护点】
一种基于模糊积分的图像优化融合方法，其特征在于包括如下具体步骤：（１）对待融合的多光谱影像Ｂ进行ＩＨＳ变换，分别得到在ＩＨＳ彩色空间的色度Ｈ、饱和度Ｓ和强度分量Ｉ，然后对Ｉ分量进行小波分解，得到低频基带系数和高频子带系数；（２）对待融合高分辨率影像Ａ进行线性拉伸和直方图匹配，然后进行小波分解，得到低频基带系数和高频子带系数，分解层数与多光谱影像Ｉ分量的小波分解层数相同；（３）确定一个３×３的空域窗口，分别求得影像Ｂ的Ｉ分量的高频子带系数和影像Ａ的高频子带系数的均值μ（２↑［ｊ］）和方差Ｄ（２↑［ｊ］）；（４）对应分辨率层的高频子带系数按照下式Ｗ↑［ｋ］（２↑［ｊ］，ｘ，ｙ）＝＊＊＊进行高频细节特征融合，式中，２↑［ｊ］为小波分解层数，Ｗ↑［ｋ］（２↑［ｊ］，ｘ，ｙ）为２↑［ｊ］分辨率下得到的高频子带系数融合结果，Ｗ↓［Ａ］↑［ｋ］（２↑［ｊ］，ｘ，ｙ）和Ｗ↓［Ｂ］↑［ｋ］（２↑［ｊ］，ｘ，ｙ）分别为影像Ａ及影像Ｂ中Ｉ分量的对应高频子带系数，Ｄ↓［Ａ］↑［ｋ］、Ｄ↓［Ｂ］↑［ｋ］分别是以（ｘ，ｙ）为中心像元的３×３的空域窗口的方差；（５）对影像Ｂ的Ｉ分量和影像Ａ的低频基带系数，按照下式Ａ（２↑［ｊ］，ｘ，ｙ）＝ｋ↓［１］Ａ↓［Ａ］（２↑［ｊ］，ｘ，ｙ）＋ｋ↓［２］Ａ↓［Ｂ］（２↑［ｊ］，ｘ，ｙ）进行优化的像素级融合，式中，Ａ↓［Ａ］（２↑［ｊ］，ｘ，ｙ）、Ａ↓［Ｂ］（２↑［ｊ］，ｘ，ｙ）分别为影像Ａ及影像Ｂ中Ｉ分量对应的２↑［ｊ］分辨率的低频基带数据，ｋ↓［１］、ｋ↓［２］为需要求优的权系数，ｋ↓［１］＋ｋ↓［２］＝１；引入模糊积分对光谱信息指标和空间分辨率两项单因素指标进行综合，优化融合迭代过程中的权系数ｋ↓［ｏｐｔ］＝ｋ↓［１］＝１－ｋ↓［２］，满足０≤ｋ↓［ｏｐｔ］≤１；按照式Ｓ＝ｓｕｐ｛ｍｉｎ［ｅ（ｕ↓［１］），ｇ（Ｅ↓［１］）］，ｍｉｎ［ｅ（ｕ↓［２］），ｇ（Ｅ↓［２］）］｝计算寻优评价指标确定的模糊积分值Ｅ↓［ｉ］，求得Ｓ↓［Ｋｏｐｔ］＝ｍａｘ（Ｅ↓［ｉ］），Ｓ↓［Ｋｏｐｔ］对应的迭代值ｋ↓［ｏｐｔ］即为最优权系数，式中，ｇ（Ｅ↓［１］）、ｇ（Ｅ↓［２］）为对光谱信息指标和空间分辨率两项指标的重视度，ｅ（ｕ↓［１］）为光谱信息指标，ｅ（ｕ↓［２］）为空间分辨率指标，根据ｅ（ｕ↓［１］），ｅ（ｕ↓［２］）的大小，ｕ↓［１］和ｕ↓［２］是对光谱信息和空间分辨率从小到大的排序位置；（６）对得到的像素级优化融...

【技术特征摘要】

【专利技术属性】
技术研发人员：敬忠良，肖刚，李建勋，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[中国|上海]