[發(fā)明專利]一種基于顯著性分析的自適應(yīng)遙感圖像融合方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310724566.4
• 申請(qǐng)日: 2013-12-25
• 公開（公告）號(hào): CN103679661A
• 公開（公告）日: 2014-03-26
• 發(fā)明（設(shè)計(jì)）人: 張立保;章玨;楊緒業(yè)
• 申請(qǐng)（專利權(quán)）人: 北京師范大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明屬于遙感圖像處理技術(shù)領(lǐng)域，具體涉及一種基于顯著性分析的自適應(yīng)遙感圖像融合方法。

背景技術(shù)

遙感圖像融合是指將不同傳感器得到的具有不同觀測(cè)特性的圖像信息有選擇、有策略的結(jié)合起來，以得到具有更優(yōu)觀測(cè)特性的新圖像的方法，是很多遙感圖像應(yīng)用重要的預(yù)處理環(huán)節(jié)，在環(huán)境監(jiān)測(cè)、土地利用、農(nóng)業(yè)調(diào)查以及能源探測(cè)等多個(gè)領(lǐng)域都有著廣泛的應(yīng)用。

在目前的圖像融合技術(shù)中，將多光譜圖像與全色遙感圖像進(jìn)行融合是遙感圖像融合較為普遍的選擇。全色遙感圖像(PAN：panchromatic?image)清晰度較高，空間細(xì)節(jié)信息豐富，但光譜分辨率較低；多光譜圖像(MS：multi-spectral?image)光譜信息豐富，但空間分辨率較差。人們將兩者進(jìn)行圖像融合，消除不必要的冗余，實(shí)現(xiàn)空間信息和光譜信息的互補(bǔ)，使得到的融合圖像在保證空間分辨率的同時(shí)又較好的保留圖像光譜信息。常用的圖像融合方法有Brovey變換、IHS變換(IHS，Intensity-Hue-Saturation?transformation)、離散小波變換(DWT，Discrete?Wavelet?Transformation)等。基于Brovey變換的融合方法屬于線性加權(quán)法中的一種，計(jì)算簡(jiǎn)單，融合速度較快，但融合圖像亮度較低，光譜畸變嚴(yán)重。與基于Brovey變換的融合方法相比，基于IHS變換的融合方法可以有效的提高融合后圖像的空間分辨率，較好的保留全色圖像的空間細(xì)節(jié)信息，在一定程度上改善光譜畸變，但融合效果易受全色遙感圖像中噪聲的影響。基于小波變換的融合方法具有多分辨率的特性，能夠較好抑制光譜畸變，但在保留空間細(xì)節(jié)上表現(xiàn)一般，易產(chǎn)生分塊效應(yīng)。

在遙感圖像中，不同區(qū)域?qū)庾V分辨率和空間分辨率的要求有所不同。例如，城鎮(zhèn)等區(qū)域需要較多的空間細(xì)節(jié)信息，要求圖像有較高空間分辨率；農(nóng)田、山地等區(qū)域則對(duì)圖像的光譜分辨率的要求更高。而現(xiàn)有的圖像融合方法都是對(duì)整幅圖像做統(tǒng)一的處理，并沒有針對(duì)區(qū)域的不同進(jìn)行融合方法上的區(qū)分，導(dǎo)致融合后的圖像不能很好的滿足觀察者的需求。

發(fā)明內(nèi)容

針對(duì)以上技術(shù)中存在的問題，本發(fā)明提供了一種基于顯著性分析的自適應(yīng)遙感圖像融合方法，通過基于多尺度譜殘差的遙感圖像顯著性分析獲得圖像的顯著區(qū)域和非顯著區(qū)域，在顯著區(qū)域采用基于加窗IHS變換的融合方法，提高顯著區(qū)域的空間分辨率；在非顯著區(qū)域采用基于小波變換的融合方法，保留更多光譜信息。本發(fā)明采用的技術(shù)方案包括以下幾個(gè)步驟：

步驟一：多光譜圖像經(jīng)IHS變換得到I、H、S分量，I、H、S分量分別表征圖像的亮度(Intention)、色度(Hue)和飽和度(Saturation)；

步驟二：通過多尺度譜殘差方法對(duì)全色遙感圖像進(jìn)行顯著性分析得到全色遙感圖像的顯著圖，利用最大類間方差法對(duì)顯著圖進(jìn)行閾值分割，分別得到顯著區(qū)域和非顯著區(qū)域的二值化模板；具體過程如下：

1)對(duì)全色遙感圖像K分別在三個(gè)尺度下進(jìn)行下采樣得到K′_δ，δ=1，2,3；

2)將K′_δ進(jìn)行二維傅里葉變換，分別得到三個(gè)尺度下的圖像幅值譜A_δ和相位譜；

3)對(duì)三個(gè)尺度下的全色遙感圖像幅值譜A_δ分別取對(duì)數(shù)，得到三個(gè)尺度下對(duì)應(yīng)的對(duì)數(shù)譜L_δ；

4)對(duì)L_δ進(jìn)行5×5的均值濾波得到L′_δ，用L_δ減去L′_δ，分別得到三個(gè)尺度下幅值譜的殘差信息R_δ；

5)將R_δ和進(jìn)行傅里葉逆變換，對(duì)逆變換的結(jié)果進(jìn)行高斯濾波，分別得到三個(gè)尺度下的全色遙感圖像特征圖S_δ；

6)對(duì)三個(gè)尺度下的特征圖S_δ進(jìn)行跨尺度融合，得到顯著圖S；

7)采用最大類間方差法計(jì)算S的分割閾值，記為λ；用λ對(duì)顯著圖S進(jìn)行二值分割，得到顯著區(qū)域和非顯著區(qū)域的二值化模板。

步驟三：多光譜圖像的I分量與非顯著區(qū)域模板相乘得到多光譜圖像I分量的非顯著區(qū)域，記為M；全色遙感圖像與非顯著區(qū)域模板相乘得到全色遙感圖像的非顯著區(qū)域，記為N；

步驟四：對(duì)M進(jìn)行三層小波分解，提取M的低頻分量，記為M_1；對(duì)N進(jìn)行三層小波分解，提取N的高頻分量，記為N_h；