[發明專利]一種遙感圖像融合質量評價方法

有效

• 申請號: 201811054826.0
• 申請日: 2018-09-11
• 公開（公告）號: CN109191450B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 邵楓;周炳忠;李福翠
• 申請（專利權）人: 寧波大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/90
• 代理公司: 寧波奧圣專利代理有限公司 33226
• 代理人: 周玨

1.一種遙感圖像融合質量評價方法，其特征在于包括訓練階段和測試階段兩個過程；

所述的訓練階段的具體步驟如下：

①_1、選取N幅寬度為W且高度為H的原始的無失真多光譜影像，每幅原始的無失真多光譜影像包括紅波段圖像、綠波段圖像、藍波段圖像、近紅外波段圖像，將第u幅原始的無失真多光譜影像的紅波段圖像、綠波段圖像、藍波段圖像、近紅外波段圖像對應記為R_u、G_u、B_u、NIR_u；其中，N＞1，u為正整數，1≤u≤N；

①_2、計算每幅原始的無失真多光譜影像的歸一化植被指數圖像，將第u幅原始的無失真多光譜影像的歸一化植被指數圖像記為NDVI_u，將NDVI_u中坐標位置為(x,y)的像素點的像素值記為NDVI_u(x,y)，其中，1≤x≤W,1≤y≤H，NIR_u(x,y)表示NIR_u中坐標位置為(x,y)的像素點的像素值，R_u(x,y)表示R_u中坐標位置為(x,y)的像素點的像素值；

計算每幅原始的無失真多光譜影像的歸一化差分水體指數圖像，將第u幅原始的無失真多光譜影像的歸一化差分水體指數圖像記為NDWI_u，將NDWI_u中坐標位置為(x,y)的像素點的像素值記為NDWI_u(x,y)，其中，G_u(x,y)表示G_u中坐標位置為(x,y)的像素點的像素值；

計算每幅原始的無失真多光譜影像的道路和建筑物指數圖像，將第u幅原始的無失真多光譜影像的道路和建筑物指數圖像記為RatioG_u，將RatioG_u中坐標位置為(x,y)的像素點的像素值記為RatioG_u(x,y)，其中，B_u(x,y)表示B_u中坐標位置為(x,y)的像素點的像素值；

①_3、從每幅原始的無失真多光譜影像的紅波段圖像、綠波段圖像、藍波段圖像、近紅外波段圖像、歸一化植被指數圖像、歸一化差分水體指數圖像、道路和建筑物指數圖像各自中同坐標位置截取一個尺寸大小為96×96的子塊，并對截取的每個子塊進行標記以指示其來源，以隨機截取方式，重復截取的過程，共截取M次后從每幅原始的無失真多光譜影像的紅波段圖像、綠波段圖像、藍波段圖像、近紅外波段圖像、歸一化植被指數圖像、歸一化差分水體指數圖像、道路和建筑物指數圖像各自中截取了M個子塊；然后將截取的每個子塊中的所有像素點的像素值按序排列構成該子塊對應的列向量；再將每種標記的M'個子塊對應的列向量構成一個訓練樣本集合，將標記為γ的M'個子塊對應的列向量構成的訓練樣本集合記為其中，M≥7，M'表示標記相同的子塊的總個數，M'＝N×M，γ∈{R,G,B,NIR,NDVI,NDWI,RatioG}，γ＝R表示該子塊截取自紅波段圖像，γ＝G表示該子塊截取自綠波段圖像，γ＝B表示該子塊截取自藍波段圖像，γ＝NIR表示該子塊截取自近紅外波段圖像，γ＝NDVI表示該子塊截取自歸一化植被指數圖像，γ＝NDWI表示該子塊截取自歸一化差分水體指數圖像，γ＝RatioG表示該子塊截取自道路和建筑物指數圖像，m為正整數，1≤m≤M'，表示標記為γ的第m個子塊對應的列向量，的維數為(96×96)×1；

①_4、計算7個訓練樣本集合中同索引號的列向量對應的子塊的統計特征矢量，共有M'個統計特征矢量，將7個訓練樣本集合中索引號同為m的列向量對應的子塊的統計特征矢量記為F_m；其中，F_m的維數為42×1；

①_5、根據7個訓練樣本集合對應的M'個統計特征矢量，提取出7個訓練樣本集合的原始多元高斯模型，記為(μ,C)；其中，μ表示(μ,C)的均值向量，C表示(μ,C)的協方差矩陣；

所述的測試階段的具體步驟如下：

②_1、對于任意一幅寬度為W'且高度為H'的測試遙感融合影像，其包括紅波段圖像、綠波段圖像、藍波段圖像、近紅外波段圖像，對應記為R_test,G_test,B_test,NIR_test；

②_2、按照步驟①_2的過程，以相同的操作方式，得到測試遙感融合影像的歸一化植被指數圖像、歸一化差分水體指數圖像、道路和建筑物指數圖像，對應記為NDVI_test,NDWI_test,RatioG_test；

②_3、采用窗口尺寸大小為96×96且窗口移動步長為1像素的移動窗口，在R_test,G_test,B_test,NIR_test和NDVI_test,NDWI_test,RatioG_test各自中移動以截取同坐標位置的尺寸大小為96×96的子塊，并對從R_test,G_test,B_test,NIR_test和NDVI_test,NDWI_test,RatioG_test中截取的每個子塊進行標記以指示其來源，共移動M”次后從R_test,G_test,B_test,NIR_test和NDVI_test,NDWI_test,RatioG_test各自中截取了M”個子塊；然后將從R_test,G_test,B_test,NIR_test和NDVI_test,NDWI_test,RatioG_test中截取的每個子塊中的所有像素點的像素值按序排列構成該子塊對應的列向量；再將每種標記的M”個子塊對應的列向量構成一個測試樣本集合，將標記為γ的M”個子塊對應的列向量構成的測試樣本集合記為其中，M”表示R_test,G_test,B_test,NIR_test和NDVI_test,NDWI_test,RatioG_test中標記相同的子塊的總個數，1＜M”≤(W'-96)×(H'-96)，m”為正整數，1≤m”≤M”，表示標記為γ的第m”個子塊對應的列向量，的維數為(96×96)×1；

②_4、按照步驟①_4的過程，以相同的方式計算7個測試樣本集合中同索引號的列向量對應的子塊的統計特征矢量，共有M”個統計特征矢量，將7個測試樣本集合中索引號同為m”的列向量對應的子塊的統計特征矢量記為F_test,m”；其中，F_test,m”的維數為42×1；

②_5、根據7個測試樣本集合對應的M”個統計特征矢量，按照步驟①_5的過程，以相同的方式提取出7個測試樣本集合的原始多元高斯模型，記為(μ_test,C_test)；其中，μ_test表示(μ_test,C_test)的均值向量，C_test表示(μ_test,C_test)的協方差矩陣；

②_6、根據(μ,C)和(μ_test,C_test)，計算測試遙感融合影像的客觀質量評價預測值，記為Q_test，其中，(μ-μ_test)^T為(μ-μ_test)的轉置，為的逆。