[發明專利]基于稀疏張量和多視圖特征的遙感圖像融合方法

有效

• 申請號: 201710278782.9
• 申請日: 2017-04-25
• 公開（公告）號: CN107169945B
• 公開（公告）日: 2019-06-21
• 發明（設計）人: 楊淑媛;馬晶晶;蘇曉萌;張凱;邢穎慧;李倩蘭;馮志璽;馬宏斌;劉志;王士剛
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T5/50
• 分類號: G06T5/50
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

本發明公開了一種基于稀疏張量和多視圖特征的遙感圖像融合方法，其實現步驟為：(1)輸入待融合圖像。(2)獲得低通系數和帶通系數。(3)獲得圖像邊緣特征。(4)構成圖像多視圖特征。(5)計算特征接近度。(6)構成多模字典。(7)張量稀疏表示。(8)融合系數。(9)逆變換后輸出融合后圖像。本發明利用了低分辨多光譜圖像多視圖特征矩陣和全色圖像多視圖特征矩陣和張量基追蹤方法對融合后圖像空譜信息進行增強，提高了融合圖像的清晰度并光譜扭曲，克服了現有圖像融合技術處理視角過于單一和欠缺對于多光譜圖像譜間關系考慮的缺點。

技術領域

本發明屬于圖像處理技術領域，更進一步涉及遙感圖像融合技術領域中的一種基于稀疏張量和多視圖特征的遙感圖像融合方法。本發明用于融合同一個傳感器獲得的關于同一個場景的多光譜圖像和全色圖像融合，在保持多光譜圖像光譜信息的同時提高圖像的空間分辨率，可應用于地形測繪與地圖更新、地物分類、遙感監測和森林資源調查、軍事偵察等領域。

背景技術

目前，現有的遙感圖像融合方法最具代表性的是基于模型類的融合方法。該方法結合了稀疏表示理論使得融合后的圖像取得了更高的空間分辨率，它的優點在于實現簡單、速度快。但是存在的缺點是缺少了對于多光譜圖像的譜間信息的考慮，同時只是基于圖像灰度信息的處理視角過于單一，使得融合后的多光譜圖像產生了光譜扭曲。

Jiang C,Zhang H,Shen H,et al在其發表的論文“Two-step sparse coding forthe pan-sharpening of remote sensing images”(《Selected Topics in AppliedEarth Observations and Remote Sensing》IEEE Journal of,2014,7(5):1792-1805)中提出了一種兩步稀疏編碼的遙感圖像融合方法。該方法的步驟是，第一步稀疏編碼過程是低分辨多光譜圖像的圖像塊由對應位置的低分辨全色圖像塊線性表示。第二步稀疏編碼是通過低分辨字典來稀疏表示殘差。兩步稀疏編碼結束后，得到融合后的多光譜圖像。該方法存在的不足之處是，由于該方法將多光譜圖像分波段融合，沒能充分考慮對波段間的信息充分利用，使得融合結果產生了色彩失真。

上海交通大學在其擁有專利技術“一種基于稀疏表示的遙感圖像融合方法”(申請日：2013年03月29日，申請號：201310108594.3，公開號：103208102B)中公開了一種基于稀疏表示的遙感圖像融合方法。首先建立多光譜圖像與其亮度分量之間的線性回歸模型；其次利用訓練的高、低分辨率字典分別對全色圖像和多光譜圖像進行稀疏表示，并根據線性回歸模型獲得多光譜圖像亮度分量稀疏表示系數；然后根據全色圖像和亮度分量的稀疏表示系數提取細節成分，并在通用分量替換融合框架下注入到多光譜圖像各波段的稀疏表示系數中；最后進行圖像復原得到高空間分辨率的多光譜圖像。該方法存在的不足是，從單一視圖對多光譜和全色圖像進行考慮，使得融合后的圖像的空間分辨率受到制約；其次，該方法沒有考慮到多光譜的譜間關系，導致最終的融合圖像的光譜有扭曲。

發明內容

本發明的目的是針對上述現有技術的不足，提出一種基于稀疏張量和多視圖特征的遙感圖像融合方法。

本發明的思路是，本發明根據待融合圖像的灰度特征、紋理特征、邊緣特征構成圖像的多視圖特征，基于非采樣輪廓變換的框架對低通系數進行融合，計算多視圖特征塊的特征接近度并構成多模字典，在多模字典下對帶通系數融合，經過逆變換后得到高分辨的多光譜圖像。由于利用了低分辨多光譜圖像多視圖特征矩陣和全色圖像多視圖特征矩陣和張量基追蹤方法對融合后圖像空譜信息進行增強，提高了融合圖像的清晰度并光譜扭曲，克服了現有圖像融合技術處理視角過于單一和欠缺對于多光譜圖像譜間關系考慮的缺點。

為實現上述目的，本發明包括如下步驟：

(1)輸入待融合圖像：

分別輸入待融合的低分辨多光譜圖像和全色圖像；

(2)提取低通和帶通系數：