一种基于双尺度回归的多分辨率分析全色锐化方法技术

本发明专利技术通过利用双尺度回归添加到多分辨率分析(multiresolution analysis，MRA)模型中的高通调制(high

【技术实现步骤摘要】
一种基于双尺度回归的多分辨率分析全色锐化方法


[0001]本专利技术涉及遥感图像处理
，是一种多光谱图像与全色锐化图像融合的全色锐化技术。

技术介绍

[0002]利用装有光学传感器的卫星进行地球观测是遥感的重要应用。由于物理限制，多光谱传感器获得的空间分辨率较低的图像比获取同一场景图像的单波段全色传感器要低。全色锐化是指在同一区域同时获得的全色(Panchromatic，PAN)图像和多光谱(Multispectral，MS)图像的融合，这可以看作是数据融合的一个特殊问题，因为目标是将PAN中的空间细节和MS图像的几个光谱波段(相对于PAN的单个波段)结合在一个独特的产物中。
[0003]目前为止，提出了各种各样的全色锐化方法。比较常用的方法：1.成分替代方法(Component Substitution，CS)：CS方法将MS图像投影到一个新的域，分离MS图像的光谱信息和空间细节信息，并用PAN图像代替分离的空间细节信息。最后，通过逆变换得到平移锐化的图像。CS包括强度
‑
亮度
‑
饱和度(intensity
‑
hue
‑
saturation，IHS)、主成分分析(principal component analysis，PCA)、Gram
‑
Schmidt(GS)、GS的改进版本(GSA)等等。虽然CS通常具有简单的物理意义和快速的操作速度，但结果可能达不到理想的结果。2.深度学习：在过去十年里已经开始向全色锐化迈进了最初的步伐。这一领域的开创性工作包括压缩感知或基于字典的解决方案，包括全色锐化神经网络(PNN)及其在网络深度、拓扑和微调方面更复杂的变化。DL通常需要大量的精细训练数据来实现好的性能，并且在没有这样的数据的情况下，DL的性能可能会很差。3.多分辨率分析方法(Multiresolution Analysis，MRA)：MRA方法是将空间信息注入到MS图像中，是目前比较成功和流行的一类高光谱全色锐化框架。包括附加小波亮度成比(additive wavelet luminance proportional，AWLP)，基于平滑滤波器的强度调制(smoothing filter based on intensity modulation，SFIM)，形态滤波器(morphological filters，MF)和基于匹配调制传递函数(modulation transfer function，MTF)的算法广义拉普拉斯算子金字塔(generalized Laplacian pyramid，GLP)的MTF
‑
GLP包括MTF
‑
GLP的高通调制(MTF
‑
GLP with high
‑
pass modulation，MTF
‑
GLP
‑
HPM)；MTF
‑
GLP带有基于上下文的决策(MTF
‑
GLP with a context
‑
based decision，MTF
‑
GLP
‑
CBD)；MTF
‑
GLP
‑
HPM带有基于阴霾校正版本(MTF
‑
GLP
‑
HPM based on haze
‑
corrected version，MTF
‑
GLP
‑
HPM
‑
H)和MTF
‑
GLP
‑
HPM带有基于后处理(MTF
‑
GLP
‑
HPM based on post
‑
processing，MTF
‑
GLP
‑
HPM
‑
PP)等。MRA算法速度快，基于MTF的算法比SFIM算法有更好的结果，在计算复杂度上与最具竞争力的算法表现相当。基于MTF
‑
GLP的算法的回归算法有MTF
‑
GLP基于全尺度回归(MTF
‑
GLP based on full
‑
scale regression，MTF
‑
GLP
‑
REG
‑
FS)和MTF
‑
GLP
‑
HPM基于多重线性回归(MTF
‑
GLP
‑
HPM based on multivariate linear regression，MTF
‑
GLP
‑
HPM
‑
R)。然而，现有的基于尺度回归方法的MRA存在尺度回归信息不足的问题，影响了全色锐化结果。为了克服这个问题，因
此提出了一种基于双尺度回归的MRA模型，可以提高锐化结果的精度，促进更广泛的应用。

技术实现思路

[0004]尺度回归可以有效地改善MRA模型并获得更好的全色锐化结果。然而，现有的基于尺度回归的MRA方法存在尺度回归信息不足的问题。为解决这一问题，提出了一种基于双尺度回归的全色锐化方法，包括精细尺度和粗糙尺度信息来改进MTF
‑
GLP
‑
HPM方法，来提高全色锐化的精度，促进其广泛应用，提出方法为MTF
‑
GLP
‑
HPM基于双尺度回归(MTF
‑
GLP based on dual scale regression，MTF
‑
GLP
‑
HPM
‑
DS
‑
REG)。包括如下步骤：
[0005](1)在基于高斯滤波器的广义拉普拉斯金字塔与多光谱(Multispectral，MS)传感器的匹配调制传递函数MTF
‑
GLP上，设计一个基于尺度回归的MRA模型。
[0006](2)利用HPM注入方案对该MRA模型进行了改进，使其原有HPM的注入系数添加上尺度回归的信息。
[0007](3)将双尺度信息包括精细尺度和粗糙尺度信息添加到尺度回归中，最后生成一个迭代的收敛的双尺度回归模型，得到最终的全色锐化结果。
[0008]步骤(1)中，设计一个基于尺度回归的MRA模型的具体步骤为：将(低分辨率的MS图像)插值成P
HR
(高分辨率的PAN图像)的尺寸。然后，利用MTF
‑
GLP从P
HR
来得到低通版本的低分辨率的PAN图像P
LR
。最后注入系数g用于控制注入信息，如公式(1)来获得全色锐化的结果第b谱带的全色锐化结果为：
[0009][0010]本专利技术采用全尺度回归，通过多次迭代得到合适的注入系数g
b
，其定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.本发明通过利用双尺度回归添加到多分辨率分析(multiresolution analysis，MRA)模型中的高通调制(high
‑
pass modulation，HPM)注入方法，同时考虑精细尺度和粗糙尺度信息，提出了一种基于双尺度回归的多分辨率分析全色锐化方法。包括如下步骤：(1)在基于高斯滤波器的广义拉普拉斯金字塔与多光谱(Multispectral，MS)传感器的匹配调制传递函数(the generalized Laplacian pyramid based on Gaussian filters matches the modulation transfer function of an MS sensor，MTF
‑
GLP)上，设计一个基于尺度回归的MRA模型。(2)利用HPM注入方案对该MRA模型进行了改进，使其原有HPM的注入系数添加上尺度回归的信息。(3)将双尺度信息包括精细尺度和粗糙尺度信息添加到尺度回归中，最后生成一个迭代的收敛的双尺度回归模型，得到最终的全色锐化结果。2.如权利要求1所述的一种基于双尺度回归的多分辨率分析全色锐化方法，称其为基于双尺度回归的MTF
‑
GLP的高通调制注入方法(MTF
‑
GLP
‑
HPM based on dual scale regression，MTF
‑
GLP
‑
HPM
‑
DS
‑
REG)，其特征在于，步骤(1)中，设计一个基于尺度回归的MRA模型的具体步骤为：将(低分辨率的MS图像)插值成P
HR
(高分辨率的PAN图像)的尺寸。然后，利用MTF
‑
GLP从P
HR
来得到低通版本的低分辨率的PAN图像P
LR
。最后注入系数g用于控制注入信息，如公式(1)来获得全色锐化的结果第b谱带的全色锐化结果为：本发明采用全尺度回归，通过多次迭代得到合适的注入系数g
b
，其定义如下：其中cov为两个图像的协方差，var为图像的样本方差。当g
b
达到收敛时，迭代过程停止。3.如权利要求1所述的MTF
‑
GLP
‑
HPM
‑
DS
‑
REG方法，其特征在于，步骤(2)中，HPM注入方案可以改善MRA模型，因此本发明采用HPM注入方案来改善基于尺度回归的MRA模型的性能。HPM注入方案如下：下面将说明如何将尺度回归添加到HPM注入方案中。传感器s获取的数字MS或PAN图像可以定义为传感器空间响应与传感器在其光谱频带内采集的总能量的卷积，表示为：其中上标XR可表示高分辨率(high resolutions，HR)或低分辨率(low resolutions，LR)，δ
s
是一个加性常数，k
s
表示一个乘性常数。引入这两...

【专利技术属性】
技术研发人员：王鹏，姚红雨，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：