[發(fā)明專利]基于子字典稀疏重構(gòu)的全色與多光譜遙感圖像融合方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201610040489.4
• 申請(qǐng)日: 2016-01-21
• 公開（公告）號(hào): CN105719262B
• 公開（公告）日: 2018-06-22
• 發(fā)明（設(shè)計(jì)）人: 王珺;彭進(jìn)業(yè);周劍虹;艾娜;馬建;祝軒;管子玉;楊瑞靖;羅鵬
• 申請(qǐng)（專利權(quán)）人: 西北大學(xué)
• 主分類號(hào): G06T5/50
• 分類號(hào): G06T5/50
• 代理公司: 西安恒泰知識(shí)產(chǎn)權(quán)代理事務(wù)所 61216
• 代理人: 李婷

本發(fā)明公開了一種基于子字典稀疏重構(gòu)的全色與多光譜遙感圖像融合方法，通過將高空間分辨率多光譜字典看成是由各個(gè)波段的高空間分辨率光譜字典的合并組成，再分別通過各個(gè)波段的光譜圖像和全色圖像構(gòu)建各個(gè)波段的子字典，使其即包含光譜信息又包含空間信息，從而解決因缺乏高空間分辨率的多光譜數(shù)據(jù)其字典較難構(gòu)建的問題；并基于稀疏重構(gòu)模型給出完整的融合方法。與現(xiàn)有同類方法相比，本發(fā)明不需要引入其它多組全色與多光譜圖像或其它模擬高空間分辨率的多光譜圖像，而是直接采用源圖像構(gòu)建，提高了方法的實(shí)際應(yīng)用性能與字典的自適應(yīng)性，使得融合圖像在保持光譜信息的同時(shí)融入更多的空間細(xì)節(jié)信息，融合效果更好。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種基于子字典稀疏重構(gòu)的全色與多光譜遙感圖像融合方法。

背景技術(shù)

基于重構(gòu)的方法是近年來興起的一種新的全色與多光譜遙感圖像融合方法。此類方法基本思路是將全色與多光譜遙感圖像看作是其對(duì)應(yīng)的高空間分辨率多光譜圖像的退化，再對(duì)其進(jìn)行建模并通過正則項(xiàng)約束解空間，從而將圖像融合的過程轉(zhuǎn)變成逆問題的求解過程。

Li和Yang^[1]首次利用圖像稀疏表示的先驗(yàn)知識(shí)，提出基于壓縮傳感理論的全色與多光譜圖像融合方法，將全色與多光譜圖像融合問題轉(zhuǎn)化成具有線性約束的信號(hào)恢復(fù)恢復(fù)問題，其信號(hào)的恢復(fù)與求解是建立在信號(hào)稀疏表示的基礎(chǔ)上的，因此，字典的構(gòu)造直接影響信號(hào)恢復(fù)的效果。Li和Yang在構(gòu)造字典時(shí)，從其他已知的高空間分辨率的多光譜圖像中隨機(jī)采樣，構(gòu)造出具有高空間分辨率的多光譜圖像字典。并且在對(duì)模擬的全色與多光譜圖像融合中獲得了較前兩類方法更優(yōu)的融合效果。

然而，在實(shí)際應(yīng)用中，高空間分辨率(米級(jí)或亞米級(jí))的多光譜圖像本身正是期望得到的融合結(jié)果圖像，不易獲得。針對(duì)此問題，Jiang等人^[2]提出將其它多組全色和多光譜圖像構(gòu)成樣本對(duì)，并用K-SVD對(duì)每對(duì)樣本訓(xùn)練字典，在把所有字典以對(duì)角線方式排列進(jìn)行級(jí)聯(lián)，構(gòu)成最終字典。這種方法需要其他多對(duì)全色和多光譜圖像對(duì)，并且最終構(gòu)成的對(duì)角級(jí)聯(lián)字典將達(dá)到1280×20000維，計(jì)算量巨大。Cheng等人^[3]提出了一種兩步字典學(xué)習(xí)方法，直接從源多光譜與全色圖像自身出發(fā)訓(xùn)練字典，首先用AWLP方法進(jìn)行粗融合，再把粗融合的結(jié)果做為訓(xùn)練樣本，用線性約束的K-SVD方法訓(xùn)練字典。這種方法較前幾種方法更為實(shí)用，但是粗融合的結(jié)果不可避免的將影響訓(xùn)練字典的性能，使得字典中的原子不能有效表示融合圖像，最終會(huì)影響融合結(jié)果。

本方案中涉及的參考文獻(xiàn)：

[1]S.Li,B.Yang.A New Pan-sharpening Method using a Compressed SensingTechnique[J].IEEE Transactions on Geoscience and Remote Sensing,2011,49(2):738–746.

[2]C.Jiang,H.Y.Zhang,H.F.Shen,et al.A Practical Compressed Sensing-based Pan-sharpening Method[J].IEEE Geoscience and Remote Sensing Letters,2012,9(4):629-633.

[3]M.Cheng,C.Wang,J.Li.Sparse Representation Based PansharpeningUsing Trained Dictionary[J].IEEE Geoscience and Remote Sensing Letters,2014,11(1):293-297.