【技术实现步骤摘要】
本专利技术涉及图像处理和应用，特别涉及一种基于空间细节与低秩约束的遥感图像全色锐化方法。
技术介绍
1、随着传感器的不断更新，遥感图像被广泛地应用于信息传输、地质勘探以及生态环境监测等领域，其优势在于不受地域的限制，能够在大尺度范围内快速准确的观测成像。目前，对地观测卫星所采集的图像信息多种多样，其中常见的有多光谱(multispectral,ms)图像以及全色(panchromatic，pan)图像等，这些图像可以对地物信息进行描述，但又存在一定的限制，如pan图像的空间信息较好但光谱信息较差，ms图像的光谱信息较好但空间信息较差，所以将不同类型的遥感图像进行信息融合以及分类分析对于实际应用至关重要。遥感图像全色锐化技术是利用先进的算法对同一场景下的ms图像和对应的pan图像进行融合，经过精细处理得到能精准描绘场景信息的融合图像，融合图像不但包含丰富的光谱信息和空间信息，而且包含更详细的地表信息，可以实现地表资源的快速、准确调查，以及为城市规划提供全面的数据支持。
2、遥感图像全色锐化作为一类特殊的图像融合问题，主要是将高空间分辨率图像的空间信息和低空间分辨率图像的光谱信息整合得到一幅具有高空间分辨率和高光谱分辨率的融合图像，达到对地物信息的精细表达。现有的全色锐化方法在融合过程中存在空间扭曲和光谱失真等问题。比如，传统方法中融合图像与ms图像之间可能存在明显的颜色差异而产生光谱失真现象，由于细节信息注入不足可能会产生空间失真，由于传感器不同造成获取的ms图像和pan图像在光谱范围、空间分辨率等方面存在差异，从而影
技术实现思路
1、有鉴于此，针对以上不足，有必要提出一种基于空间细节与低秩约束的遥感图像全色锐化方法，以提高图像细节信息的刻画精度，对融合图像全局信息进行充分分析，进而提高融合图像的质量。
2、第一方面，本专利技术提供了一种基于空间细节与低秩约束的遥感图像全色锐化方法，包括：
3、预先构建包含数据项、空间细节约束项和低秩约束项的全色锐化模型；
4、获取待融合的ms图像和pan图像；
5、将所述ms图像和pan图像输入所述全色锐化模型进行循环迭代计算，直至当前迭代轮次输出图像的图像质量指标与上一迭代轮次输出图像的图像质量指标之间的相对误差小于预设误差阈值，结束循环迭代计算；
6、输出ms图像和pan图像的融合结果；
7、其中，在每轮循环迭代计算结束后，若没达到结束循环迭代计算的条件，则对所述全色锐化模型的优化变量进行更新。
8、优选的，所述全色锐化模型包括：
9、
10、令x＝mh，xb＝mu，对全色锐化模型进行简化，得到如下简化全色锐化模型：
11、
12、其中，待融合的ms图像为pan图像为p，为融合图像，b和s分别表示下采样矩阵和模糊矩阵，μ1、μ2和α均为正的惩罚参数，为上采样至pan图像同等大小的ms图像，φ表示控制细节注入程度的注入系数，i为图像的第i个波段，p～是pan图像的低通近似，||·||tnn表示张量核范数；x表示融合图像，y表示低空间分辨率的ms图像；||·||f为f范数，用于表征数据项，用于表征空间细节约束项，||x||tnn用于表征低秩约束项，定义为：令则其中n＝min(n1,n2)，σi(x(j))表示x(j)的第i个奇异值。
13、优选的，所述对所述全色锐化模型的优化变量进行更新，包括：
14、引入辅助向量u和v，其中u＝xb,v＝x，则所述简化全色锐化模型的增广拉格朗日函数形式表示为：
15、
16、其中，l(x,u,v,λ1,λ2)为增广拉格朗日函数，η1,η2均为正的惩罚参数，λ1,λ2为拉格朗日乘子；
17、利用交替乘子方向法对变量x、u、v进行优化更新，并更新拉格朗日乘子。
18、优选的，所述对变量x、u、v进行优化更新，包括：
19、利用如下计算式分别对x、u、v进行更新：
20、
21、其中，argmin用于求取目标函数达到最小值时的变量取值。
22、优选的，所述更新拉格朗日乘子，包括：
23、利用如下计算式对拉格朗日乘子进行更新：
24、
25、其中，k用于表征第k次迭代计算。
26、优选的，p～通过如下计算式计算得到：
27、
28、其中，εi,1和εi,2表示参数，i为上采样ms图像的强度分量，lgp为pan图像进行低通滤波的结果。
29、优选的，所述图像质量指标包括如下中的至少一个：
30、通用图像质量指标uiqi、光谱角映射sam、全局相对指标ergas、空间相关系数scc、峰值信噪比psnr和结构相似性ssim。
31、第二方面，本专利技术提供了一种计算机可读存储介质，其上存储有计算机程序，当计算机程序在计算机中执行时，令计算机执行如第一方面中任一所述的方法。
32、第三方面，本专利技术提供了一种计算设备，包括存储器和处理器，存储器中存储有可执行代码，处理器执行可执行代码时，实现如第一方面中任一所述的方法。
33、由上述技术方案可知，本专利技术实施例提供的基于空间细节与低秩约束的遥感图像全色锐化方法中，首先预先构建包含数据项、空间细节约束项和低秩约束项的全色锐化模型，然后获取待融合的ms图像和pan图像，将ms图像和pan图像输入到全色锐化模型进行循环迭代计算，直到当前迭代轮次输出图像的图像质量指标与上一迭代轮次输出图像的图像质量指标之间的相对误差小于预设误差阈值，则结束循环迭代计算，输出ms图像和pan图像的融合结果。由此可知，本方案通过分析数据相关性构建细节约束项，提高了图像细节信息的刻画精度，同时引入低秩正则项刻画融合图像低秩性，不仅有助于保持图像的低秩性，可以捕捉到图像中的大量低秩冗余信息，而且能够有效提升融合图像的质量。因此，本方案能够解决现有全色锐化方法中对图像的细节信息刻画不够精确，以及对融合图像全局信息分析不充分等问题，能够大幅提高融合图像的质量。
本文档来自技高网...【技术保护点】
1.一种基于空间细节与低秩约束的遥感图像全色锐化方法，其特征在于，包括：
2.根据权利要求1所述的基于空间细节与低秩约束的遥感图像全色锐化方法，其特征在于，所述全色锐化模型包括：
3.根据权利要求2所述的基于空间细节与低秩约束的遥感图像全色锐化方法，其特征在于，所述对所述全色锐化模型的优化变量进行更新，包括：
4.根据权利要求3所述的基于空间细节与低秩约束的遥感图像全色锐化方法，其特征在于，所述对变量X、U、V进行优化更新，包括：
5.根据权利要求4所述的基于空间细节与低秩约束的遥感图像全色锐化方法，其特征在于，所述更新拉格朗日乘子，包括：
6.根据权利要求2所述的基于空间细节与低秩约束的遥感图像全色锐化方法，其特征在于，通过如下计算式计算得到：
7.根据权利要求1所述的基于空间细节与低秩约束的遥感图像全色锐化方法，其特征在于，所述图像质量指标包括如下中的至少一个：
8.一种计算机可读存储介质，其上存储有计算机程序，当计算机程序在计算机中执行时，令计算机执行如权利要求1-7中任一所述的方法。>
9.一种计算设备，包括存储器和处理器，存储器中存储有可执行代码，处理器执行可执行代码时，实现权利要求1-7中任一所述的方法。
...【技术特征摘要】
1.一种基于空间细节与低秩约束的遥感图像全色锐化方法，其特征在于，包括：
2.根据权利要求1所述的基于空间细节与低秩约束的遥感图像全色锐化方法，其特征在于，所述全色锐化模型包括：
3.根据权利要求2所述的基于空间细节与低秩约束的遥感图像全色锐化方法，其特征在于，所述对所述全色锐化模型的优化变量进行更新，包括：
4.根据权利要求3所述的基于空间细节与低秩约束的遥感图像全色锐化方法，其特征在于，所述对变量x、u、v进行优化更新，包括：
5.根据权利要求4所述的基于空间细节与低秩约束的遥感图像全色锐化方法，其特征在于...
【专利技术属性】
技术研发人员：刘国军，王亚镇，尚婉清，马月梅，岳靖，
申请(专利权)人：宁夏大学，
类型：发明
国别省市：
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。