[發明專利]一種基于互補卷積特征的高分辨率遙感影像融合方法及系統

在審

• 申請號: 202010100890.9
• 申請日: 2020-02-19
• 公開（公告）號: CN111340080A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 徐濤;盧澤珊;劉鹍;劉振;劉慶杰;刁心怡;陳俊彤;沈茂鑫;藺文靜
• 申請（專利權）人: 濟南大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 濟南譽豐專利代理事務所(普通合伙企業) 37240
• 代理人: 高強

本申請公開了一種基于互補卷積特征的高分辨率遙感影像融合方法及系統，在選取的高分辨率遙感影像上進行目標物手工標注；將標注好的全色圖像和多光譜圖像裁剪為預設尺寸輸入到特征提取網絡；分別進行特征提取，分別得到全色圖像特征圖和多光譜圖像特征圖；疊加全色圖像特征圖和多光譜圖像特征圖，送入特征融合網絡進行特征融合，得到高分辨率的多光譜圖像。在進行高分辨率遙感影像融合時，形成一個基于互補卷積特征融合的完整體系，可以對全色圖像和多光譜圖像分別進行特征提取，疊加后輸入融合網絡最終得到融合圖像，大大提升了圖像質量。并且慮了樣本的多樣性，圖像大小靈活多變，特征提取更為符合圖像特點，使得融合后的圖像質量更好。

技術領域

本申請涉及遙感圖像處理技術領域，具體涉及一種基于互補卷積特征的高分辨率遙感影像融合方法及系統。

背景技術

近年來，高分辨率遙感影像被廣泛應用于城市規劃、生產生活乃至軍事方面。全色圖像的分辨率較高，圖像更為清晰，但灰度圖像缺少色彩信息，多光譜圖像有著豐富的顏色信息但是分辨率較低，為了結合兩種影像的優勢，得到質量更為優越的遙感圖像，圖像融合至關重要。遙感影像融合作為目標檢測、變化檢測等實驗和應用的一項關鍵預處理步驟，可以將全色圖像的高分辨率和多光譜圖像的色彩信息相結合，為后期實驗和應用提供更高質量的圖像，以提升實驗和應用結果的性能。

2019年多媒體工具和應用期刊公開了一篇用于圖像融合的算法，名稱為：FusionCNN：一種基于深度卷積神經網絡的遙感圖像融合算法(FusionCNN:a remotesensing image fusion algorithm based on deep convolutional neural networks)，該融合方法的輸入是一對源圖像，而輸出是具有端到端屬性的融合圖像。在預處理步驟中，使用多光譜圖像的低頻信息來增強全色圖像。此方法使用大量訓練數據來學習自適應強魯棒融合功能，克服了傳統的手動制定融合規則的融合方法的缺點，并通過Landsat和Quickbird衛星數據驗證了其有效性。

2019年信息融合期刊公開了一篇基于張量的遙感圖像融合方法，名稱為：通過基于張量的稀疏建模和超拉普拉斯先驗融合全色和多光譜遙感影像(The fusion ofpanchromatic and multispectral remote sensing images viatensor-based sparsemodeling and hyper-Laplacian prior)，該方法用于非凸稀疏建模，通常稱為全銳化。在這種方法中，通過插值方法對多光譜圖像進行采樣，并對全色和低分辨率多光譜圖像建模基于張量的加權保真度項，以恢復更多的空間細節。此外，總變化正則化還用于描述梯度場上潛在的高分辨率多光譜圖像的稀疏性。對于模型求解，此方法設計了一種基于乘數的算法的交替方向方法，以有效地求解所提出的模型。與幾種最新的圖像融合方法相比，對由不同傳感器收集的許多數據集進行的廣泛實驗證明了融合方法的有效性。

2019年電子影像期刊公開了一篇用于遙感圖像融合的算法，名稱為：基于顯著性檢測的互結構聯合濾波遙感圖像融合算法(Remote sensing image fusion algorithmbased on mutual-structure for joint filtering using saliency detection)，該文提出的多模態圖像融合提供了更全面的信息，對于遙感圖像融合，解決了可能造成塊狀偽影等不足。這種基于互結構的遙感圖像融合方法，用于聯合濾波和顯著性檢測，使用聯合濾波來促進從源圖像正確提取高頻和低頻，并且提高了低頻融合的效果，高頻子帶計算了改進的Laplace的擴展和以實現更好的融合。將該方法與其他五種經典融合方法進行了比較，實驗結果表明，該算法有效地保留了圖像的結構信息和紋理信息，提高了融合圖像的清晰度，在主觀和客觀評估中具有許多優勢。