本发明专利技术公开了一种基于整体结构和空间细节信息融合的光谱图像全色锐化方法。该方法首先对全色图像的亮度进行线性拉伸，并将多光谱或高光谱图像的N个分量分别插值成与全色图像同样分辨率的插值图像序列；接着，将全色图像分别与多光谱或高光谱插值图像序列做减法，得到差值图像序列；然后，对差值图像序列进行高斯滤波，得到差值趋势图像序列。最后，将全色图像分别与差值趋势图像序列做减法，得到融合图像。与现有技术相比较，本方法能够同时保持融合图像光谱和纹理细节不失真，计算速度快，适应性强。
【技术实现步骤摘要】
本专利技术涉及一种遥感图像融合方法，尤其涉及一种基于整体结构和空间细节信息融合的全色锐化方法，属于数字图像处理
技术介绍
随着卫星与遥感技术的发展，世界各国发射了越来越多的多传感器卫星，例如IKONOS (艾克诺斯)、QuickBird (快鸟)、资源三号等卫星同时搭载了全色与多光谱等传感器。由于成像器件在光谱分辨率和空间分辨率之间存在取舍，全色图像的空间分辨率优于多光谱和高光谱图像，而多光谱和高光谱图像含有多个光谱波段，光谱分辨率优于全色图像。在此情形下，利用全色图像的空间细节信息锐化多光谱和高光谱图像，生成空间细节清晰且光谱信息丰富的融合图像，既有助于机器更好、更准地提取人们所需的信息，也有助于图像解译人员快速准确地分析图像。在本专利技术中，多光谱图像和高光谱图像统称为光谱图像。通常，光谱成像包含多个光谱波段，因此光谱图像含有多个分量，每个分量是一幅灰度图像。在实际应用中，全色与光谱图像融合方法必须满足以下要求:光谱保真，即融合图像的光谱信息必须与光谱图像的光谱信息保持一致；细节保真，即融合图像的空间细节信息必须与全色图像的空间细节信息保持一致；高时效性，即融合方法的计算复杂度低，以便快速地完成大数据量、大尺寸的全色与光谱图像融合。迄今为止，研究人员已经提出了大量的图像融合方法，例如基于分量替换的融合方法，主要包括基于IHS变换、基于PCA变换、基于Gram-Schmidt变换(GS变换)等融合方法，以及基于频率分解的融合方法，主要包括基于小波变换、基于曲波变换等融合方法。总体而言，基于分量替换的融合方法空间细节保真效果好，然而，在全色图像和被替换分量亮度差异较大的区域，融合图像的光谱存在严重失真；基于频率分解的融合方法光谱保真效果较好，但存在着细节失真的不足。此外，上述融合方法计算复杂较高，对尺寸较大的全色与光谱图像，融合处理的计算非常耗时。以当前应用效果最好的两种方法，即ENVI (TheEnvironment for Visualizing Images)遥感图像处理软件提供的基于GS变换融合方法(简称ENV1-GS变换法)和PCI (PCI Geomatica)遥感图像处理软件提供的全色锐化法(简称PCI锐化法)为例，在配置为3.2GHz的4核CPU，2GB的内存，Windows XP操作系统的计算机上，对于尺寸为12000 X 12000像素的全色图像与3000 X 3000像素多光谱图像，二者的融合计算均大于150秒，难以满足用户的高时效要求。在此背景下，研究一种可以有效避免融合图像光谱和空间细节失真，且计算复杂度低的全色锐化融合方法，对快速有效地获取高分辨率的全色和光谱融合图像具有重要意义
技术实现思路
根据本专利技术的一个方面，提供了一种。在本专利技术中，光谱图像具体指多光谱图像和高光谱图像。通常，光谱成像包含多个光谱波段，因此光谱图像含有多个分量，每个分量是一幅灰度图像。例如，QuickBird和IKONOS卫星的多光谱图像均包含4个分量，高光谱图像包含几十个甚至几百个分量。本申请中，将光谱图像的分量总数记为N。本专利技术仅通过图像做差和图像平滑滤波，实现了全色与光谱图像的高保真融合，且本专利技术的方法的计算速度快，适应性好。为实现上述目的，本专利技术提供了一种，包括如下步骤:(I)对全色图像进行亮度线性拉伸，使全色图像的方差σ P与光谱图像的方差σ s相等；(2)将光谱图像的N个分量分别插值成与全色图像同样分辨率的插值图像序列工1，工2，...，In ;(3)将所述线性拉伸后的全色图像分别与所述插值图像序列I1, I2,…，In相减，得到差值图像序列D1, D2,…，Dn ；(4)对差值图像序列D1, D2,…，Dn进行高斯滤波，得到差值趋势图像序列S1, S2,…，Sn ；(5)将所述线性拉伸后的全色图像分别与差值趋势图像序列S1, S2,…，Sn相减，得到融合图像序列U1, U2,...，Un。其中，在所述步骤(I)中，将全色图像的像素值乘以^/σ,/σΡ进行线性亮度拉伸。 所述步骤(I)中，随机选取一定数量的像素点来估计光谱图像的方差以及全色图像的方差。述步骤(2)中，利用双线性插值法进行图像插值放大。所述步骤(4)中，利用一维高斯滤波器G先对图像按行进行平滑滤波，再利用所述一维高斯滤波器G的转置Gt对图像按列进行平滑滤波。所述步骤(4)中，一维高斯滤波器G的长度为13，G的尺度参数为3.33。本专利技术所提供的的优点包括:1.实现了融合图像的光谱和空间细节保真，适应性好；2.方法简单，仅涉及图像做差和图像平滑操作，计算速度快；3.不受光谱图像波段数量的限制，可以根据应用的要求选择任意数量的波段进行融合。附图说明图1为根据本专利技术的一个实施例的融合方法的流程示意图；图2(a) -2(e)显示了根据本专利技术的实施例的融合方法与现有典型融合方法在QuickBird图像上的实验结果对比；其中，图2(a)为全色图像，图2(b)为多光谱图像，图2(c)为ENV1-GS变换法，图2(d)为PCI锐化法，图2(e)为根据本专利技术的实施例的方法。图3(a) -3(e)显示了根据本专利技术的实施例的融合方法与现有典型融合方法在IKONOS图像上的实验结果对比；其中，图3(a)为全色图像，图3(b)为多光谱图像，图3(c)为ENV1-GS变换法，图3(d)为PCI锐化法，(e)为根据本专利技术的实施例的方法。具体实施例方式下面结合附图和具体实施方式对本专利技术作进一步的详细说明。根据本专利技术的一个实施例，将图像数据分为整体结构和空间细节两个部分:整体结构信息主要反映了图像数据的整体走势，内容比较模糊；空间细节信息的变化波动较剧烈，主要刻画了图像纹理和边缘，反映了图像局部细节的清晰程度。光谱图像的空间分辨率较低，但反映了地物的光谱反射率，可用于分析地物的材质属性。因此，全色与光谱图像融合只能从全色图像中抽取空间细节信息来锐化光谱图像，若引入了全色图像的整体结构信息则会改变光谱图像的光谱属性，引起光谱失真。换言之，若融合图像的整体结构信息与光谱插值图像的整体结构信息相同，则融合图像的光谱保真效果好。同时，引入至光谱图像中的空间细节信息必须与全色图像的空间细节信息保持一致，否则会导致融合图像的纹理细节模糊不清，影响锐化效果。根据本专利技术的一个实施例，将全色图像的整体结构信息与光谱插值图像的N个分量分别进行融合，在保持全色图像空间细节信息不变的前提下，通过融合使全色图像的整体结构信息与光谱插值图像的整体结构信息之差处处趋于0，从而实现光谱和空间细节保真的目标。图1展示了根据本专利技术的一个实施例的方法的流程图，包括:首先对全色图像进行亮度线性拉伸；将光谱图像插值至全色图像相同的分辨率；接着，将全色图像分别减去光谱插值图像的N个分量，得到N个差值图像；然后，分别对N个差值图像序列进行高斯滤波，得到N个差值趋势图像；将全色图像分别减去N个差值趋势图像，得到融合图像。下面具体介绍根据本专利技术所提供的的具体步骤:(I)对全色图像进行亮度线性拉伸，使全色图像的方差σ P与光谱图像的方差σ s相等；首先分别计算光谱图像和全色图像的方差。为了提高方差的计算速度，在一个具体实施例中，可随机选取一定数量的像素点来估计光谱图像和全色图像的方差，以减少方差计本文档来自技高网...
【技术保护点】
一种基于整体结构和空间细节信息融合的光谱图像全色锐化方法，其特征在于包括：（1）对全色图像进行亮度线性拉伸，使全色图像的方差σP与光谱图像的方差σS相等；（2）将光谱图像的N个分量分别插值成与全色图像同样分辨率的插值图像序列I1,I2,…,IN；（3）将所述线性拉伸后的全色图像分别与所述插值图像序列I1,I2,…,IN相减，得到差值图像序列D1,D2,…,DN；（4）对差值图像序列D1,D2,…,DN进行高斯滤波，得到差值趋势图像序列S1,S2,…,SN；（5）将所述线性拉伸后的全色图像分别与差值趋势图像序列S1,S2,…,SN相减，得到融合图像序列U1,U2,…,UN。
【技术特征摘要】
【专利技术属性】
技术研发人员：李波，徐其志，田越，高峰，钟陈，
申请(专利权)人：北京航空航天大学，
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。