基于agihs及低通濾波器的遙感圖像融合方法
【技術領域】
[0001] 本發(fā)明涉及遙感圖像融合技術，具體是一種基于AGIHS及低通濾波器的遙感圖像 融合方法。
【背景技術】
[0002] 作為多源數(shù)據(jù)融合的一個重要分支，遙感圖像融合已成為近年來圖像工程領域 的研究熱點。遙感圖像融合具體是指一種對不同來源的圖像進行綜合處理的新技術，其 目的是為了從多幅源圖像中進行信息提取與綜合，從而獲得對同一場景或目標更為準確、 全面和可靠的圖像描述。利用遙感圖像融合技術可以提高目標識別的可靠性和自動化 水平。遙感圖像可分為如下兩種類型：多光譜圖像（Multi-Spectral，MS)和全色圖像 (Panchromatic，PAN)。其中，多光譜圖像具有光譜特性，且其包含紅、綠、藍及近紅外四個波 段。全色圖像含有較高的空間分辨率卻無光譜特性。因此，為了更好地表達目標的地域特 性，將多光譜圖像與全色圖像融合從而獲得一幅既具有光譜特性又含有較高空間分辨率的 圖像便是一條經(jīng)濟有效的途徑。融合后的圖像常常被應用于地物分類、制圖、光譜分析及其 他遙感數(shù)據(jù)應用。
[0003] 現(xiàn)有的遙感圖像融合方法主要分為如下兩種類型：第一類是傳統(tǒng)的遙感 圖像融合方法，其主要分為如下三種類型：分量代替法、光譜分析法、改進的空間分 辨率增加框架法（AmeliorationdelaResolutionSpatialeparInjectionde Structures，ARSIS)。其中，分量代替法主要分為如下四種類型：基于亮度-色調(diào)-飽 和度（Intensity-Hue-Saturation，IHS)變換的融合方法、基于主分量分析（Principal ComponentAnalysis，PCA)的融合方法、基于施密特正交法的融合方法、基于廣義IHS變 換（GeneralizedIHS，GIHS)的融合方法。光譜分析法主要是指基于Brovey變換的融合 方法，該方法中得到的新的光譜子帶是由源多光譜子帶在整個多光譜圖像中所占的比例 得出。改進的空間分辨率增加框架法也稱為多尺度模型法，常見的多尺度工具包括小波、 Curvelets、Contourlets、支撐值變換等。以上各種方法的優(yōu)點是簡單易行，但其共同存在 的問題是：在追求增加細節(jié)信息的同時，容易產(chǎn)生光譜損失現(xiàn)象。第二類是對傳統(tǒng)遙感圖像 融合方法的改進，其主要分為如下兩種類型：基于自適應IHS變換的融合方法和基于非線 性IHS變換的融合方法。第二類圖像融合方法的基本思想是：改進IHS變換中亮度I分量 的得到方法，使獲得一幅與源全色圖像更為接近的亮度分量，從而避免光譜損失現(xiàn)象。第二 類圖像融合方法共同存在的問題是：無法很好地挖掘圖像中的細節(jié)信息，容易產(chǎn)生細節(jié)成 分模糊現(xiàn)象?；诖?，有必要發(fā)明一種全新的遙感圖像融合方法，以解決現(xiàn)有遙感圖像融合 方法存在的上述問題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明為了解決現(xiàn)有遙感圖像融合方法容易產(chǎn)生光譜損失現(xiàn)象、容易產(chǎn)生細節(jié)成 分模糊現(xiàn)象的問題，提供了一種基于AGIHS及低通濾波器的遙感圖像融合方法。
[0005] 本發(fā)明是采用如下技術方案實現(xiàn)的：基于AGIHS及低通濾波器的遙感圖像融合方 法，該方法是采用如下步驟實現(xiàn)的：
[0006] 1)針對源多光譜圖像進行自適應廣義IHS變換，由此得到最優(yōu)亮度分量；所述自 適應廣義IHS變換的具體步驟包括：
[0007] 1. 1)針對源多光譜圖像的紅色光波段、綠色光波段、藍色光波段、近紅外波段進行 加權求和，由此得到亮度分量；具體求和公式如下：
[0008] I-wight=
[0009] (1)
[0010] wx ?img_ms(R) +w2 ?img_ms(G) +w3 ?img_ms(B) +w4 ?img_ms(N)
[0011] 式⑴中：I_wight為亮度分量；￥1、'\￥2、'\￥3、'\￥ 4均為權值，且其范圍均為（0，1);；[11^_ ms(R)、img_ms(G)、img_ms(B)、img_ms(N)分別為源多光譜圖像的紅色光波段、綠色光波段、 藍色光波段、近紅外波段；
[0012] 1. 2)計算亮度分量和源全色圖像的差值；具體計算公式如下：
[0013] d_wight=img_pan-I_wight (2)；
[0014] 式⑵中：d_wight為亮度分量和源全色圖像的差值；img_pan為源全色圖像；I_ wight為亮度分量；
[0015] 1. 3)將亮度分量和源全色圖像的差值加入到源多光譜圖像的各個波段中，由此得 到新的多光譜圖像；具體公式如下：
[0016] img_wight(R) = img_ms (R)+d_wight
[0017] img_wight(G) = img_ms (G)+d_wight
[0018] (3)
[0019] img_wight(B) = img_ms(B)+d_wight
[0020] img_wight(N) = img_ms(N)+d_wight
[0021] 式（3)中：img_wight(R)、img_wight(G)、img_wight(B)、img_wight(N)分別為 新的多光譜圖像的紅色光波段、綠色光波段、藍色光波段、近紅外波段；img_ms(R)、img_ ms(G)、img_ms(B)、img_ms(N)分別為源多光譜圖像的紅色光波段、綠色光波段、藍色光波 段、近紅外波段；d_wight為亮度分量和源全色圖像的差值；
[0022] 1. 4)計算新的多光譜圖像的全局質(zhì)量指數(shù)，并將全局質(zhì)量指數(shù)作為適應度函數(shù)， 然后，采用粒子群算法來尋找適應度函數(shù)的最優(yōu)適應度值，由此得到最優(yōu)權值；
[0023] 1. 5)將最優(yōu)權值代入式（1)，由此得到最優(yōu)亮度分量；具體公式如下：
[0024] I_opt=
[0025] (8)
[0026] woptjl ?img_ms(R)+woptj2 ?img_ms(G)+wopt_ 3 ?img_ms(B)+wopt_ 4 ?img_ms(N)
[0027] 式⑶中：I_opt為最優(yōu)亮度分量；w。#,；；、'^以均為最優(yōu)權值；img_ ms(R)、img_ms(G)、img_ms(B)、img_ms(N)分別為源多光譜圖像的紅色光波段、綠色光波段、 藍色光波段、近紅外波段；
[0028] 2)采用低通濾波器獲取高頻分量；具體步驟包括：
[0029]2. 1)針對源全色圖像和最優(yōu)亮度分量進行灰度直方圖匹配，由此得到匹配好的全 色圖像；
[0030] 2. 2)計算匹配好的全色圖像和最優(yōu)亮度分量的差值；具體計算公式如下：
[0031] d_opt=img_pan_matched-I_opt (9)；
[0032] 式（9)中：d_opt為匹配好的全色圖像和最優(yōu)亮度分量的差值；img_pan_matched 為匹配好的全色圖像；I_〇pt為最優(yōu)亮度分量；
[0033] 2. 3)采用低通濾波器對匹配好的全色圖像和最優(yōu)亮度分量的差值進行濾波，由此 分別得到高頻分量和低頻分量；低通濾波器的系數(shù)矩陣具體表示如下：
[0034]
(10);
[0035] 3)將高頻分量加入到源多光譜圖像的各個波段中，由此得到新的融合圖像；具體 公式如下：
[0036] img_fus(R) =img_ms(R)+d_high
[0037] img_fus(G) =img_ms(G)+d_high
[0038] (11)
[0039] img_fus(B) =img_ms(B)+d_high
[0040] img_fus(N) =img_ms(N)+d_high
[0041 ]式（11)中：img_fus(R)、img_fus(G)、img_fus(B)、img_fus(N)分別為新的融合 圖像的紅色光波段、綠色光波段、藍色光波段、近紅外波段；img_ms(R)、img_ms(G)、img_ ms(B)、img_ms(N)分別為源多光譜圖像的紅色光波段、綠色光波段、藍色光波段、近紅外波 段；d_high為高頻分量。
[0042] 與現(xiàn)有遙感圖像融合方法相比，本發(fā)明所述的基于AGIHS及低通濾波器的遙感圖 像融合方法具有如下優(yōu)點：其一，與第一類圖像融合方法相比，本發(fā)明所述的基于AGIHS及 低通濾波器的遙感圖像融合方法通過采用自適應廣義IHS變換，實現(xiàn)了在追求增加細節(jié)信 息的同時避免光譜損失，由此有效克服了第一類圖像融合方法容易產(chǎn)生光譜損失現(xiàn)象的問 題。其二，與第二類圖像融合方法相比，本發(fā)明所述的基于AGIHS及低通濾波器的遙感圖像 融合方法通過采用低通濾波器，實現(xiàn)了很好地挖掘圖像中的細節(jié)信息，由此有效克服了第 二類圖像融合方法容易產(chǎn)生細節(jié)成分模糊現(xiàn)象的問題。測試實驗表明，本發(fā)明所述的基于 AGIH