[發明專利]一種基于深度學習的多源遙感圖像融合方法和系統

在審

• 申請號: 202210880890.4
• 申請日: 2022-07-26
• 公開（公告）號: CN115187867A
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 李玲玲;趙雪專
• 申請（專利權）人: 鄭州航空工業管理學院
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/32;G06V10/44;G06V10/75;G06V10/764;G06V10/80;G06N20/00
• 代理公司: 北京專贏專利代理有限公司 11797
• 代理人: 王松

1.一種基于深度學習的多源遙感圖像融合方法，其特征在于，所述方法包括：

獲取所有不同源遙感圖像；

對所有不同源遙感圖像進行預處理，統計各個像素點的位置分布；

根據像素點的位置分布劃分特征區域，識別得到區域特征；

根據區域特征對不同源遙感圖像進行匹配，完成圖像融合。

2.根據權利要求1所述的基于深度學習的多源遙感圖像融合方法，其特征在于，所述對所有不同源遙感圖像進行預處理，統計各個像素點的位置分布的步驟，具體包括：

對不同源遙感圖像進行灰度處理，得到灰度圖像；

建立坐標系，根據像素位置，確定每一個像素的坐標；

確定每一個像素對應的灰度值。

3.根據權利要求1所述的基于深度學習的多源遙感圖像融合方法，其特征在于，所述根據像素點的位置分布劃分特征區域，識別得到區域特征的步驟，具體包括：

逐個選擇像素點，將其作為參照像素點，計算其他各個像素點灰度值與該參照像素點灰度值的差值；

將差值小于第一預設值的像素點組成的連通區域劃分為特征區域，所述特征區域內像素點的離散度低于第二預設值；

確定各個特征區域之間的相對位置，確定特征區域的輪廓，得到區域特征。

4.根據權利要求1所述的基于深度學習的多源遙感圖像融合方法，其特征在于，所述根據區域特征對不同源遙感圖像進行匹配，完成圖像融合的步驟，具體包括：

根據各個區域特征在相應不同源遙感圖像中的位置對區域特征進行分類；

根據同一類區域特征之間的對應關系，調節不同源遙感圖像的位置，完成圖像融合。

5.根據權利要求4所述的基于深度學習的多源遙感圖像融合方法，其特征在于，進行圖像融合前，將不同源遙感圖像裁剪為相同尺寸。

6.根據權利要求4所述的基于深度學習的多源遙感圖像融合方法，其特征在于，不同源遙感圖像之間至少有兩個位置重合的區域特征。

7.一種基于深度學習的多源遙感圖像融合系統，其特征在于，所述系統包括：

圖像獲取模塊，用于獲取所有不同源遙感圖像；

像素統計模塊，用于對所有不同源遙感圖像進行預處理，統計各個像素點的位置分布；

特征識別模塊，用于根據像素點的位置分布劃分特征區域，識別得到區域特征；

圖像融合模塊，用于根據區域特征對不同源遙感圖像進行匹配，完成圖像融合。

8.根據權利要求7所述的基于深度學習的多源遙感圖像融合系統，其特征在于，所述像素統計模塊包括：

圖像預處理單元，用于對不同源遙感圖像進行灰度處理，得到灰度圖像；

坐標識別單元，用于建立坐標系，根據像素位置，確定每一個像素的坐標；

灰度值確定單元，用于確定每一個像素對應的灰度值。

9.根據權利要求7所述的基于深度學習的多源遙感圖像融合系統，其特征在于，所述特征識別模塊包括：

灰度值計算單元，用于逐個選擇像素點，將其作為參照像素點，計算其他各個像素點灰度值與該參照像素點灰度值的差值；

區域特征劃分單元，用于將差值小于第一預設值的像素點組成的連通區域劃分為特征區域，所述特征區域內像素點的離散度低于第二預設值；

特征生成單元，用于確定各個特征區域之間的相對位置，確定特征區域的輪廓，得到區域特征。

10.根據權利要求7所述的基于深度學習的多源遙感圖像融合系統，其特征在于，所述圖像融合模塊包括：

特征分類單元，用于根據各個區域特征在相應不同源遙感圖像中的位置對區域特征進行分類；

定位融合單元，用于根據同一類區域特征之間的對應關系，調節不同源遙感圖像的位置，完成圖像融合。