圖2中所示結(jié)果示意圖相同，圖3c是基于GIHS得到的結(jié) 果示意圖，圖中線條較為清晰，但是光譜與源圖有差；圖3d是基于AGIHS得到的結(jié)果示意 圖，從直觀上與圖3c相比較差別不大；圖3e為基于SA得到的結(jié)果示意圖，其光譜結(jié)果優(yōu)于 圖3c和圖3d的結(jié)果；圖3f是基于TP得到的結(jié)果示意圖，無論從光譜還是細(xì)節(jié)均優(yōu)于圖 3c-圖3e結(jié)果；圖3g為本發(fā)明圖像融合方法得到的融合結(jié)果示意圖，仍可得出與圖2同樣 的結(jié)論：本發(fā)明圖像融合結(jié)果中光譜與源多光譜圖像最為接近，且細(xì)節(jié)保存較好。表2給出 了圖3所示結(jié)果的融合評價指標(biāo)，加粗?jǐn)?shù)字為相對最優(yōu)值。
[0163] 圖4中給出的遙感圖像融合結(jié)果示意圖中所用到的遙感圖像與圖2及圖3中的遙 感圖像來自于同一個遙感衛(wèi)星，且描述的同樣為印度Sundarbans公園。圖4a與圖4b分別 為源多光譜圖像與全色圖像的示意圖，實(shí)驗(yàn)圖主要是建筑物集中的區(qū)域，包含部分樹木以 及道路。與圖2和圖3相同，圖4c是基于GIHS得到的結(jié)果示意圖；圖4d是基于AGIHS得 到的結(jié)果示意圖；圖4e為基于SA得到的結(jié)果示意圖；圖4f是基于TP得到的結(jié)果示意圖； 圖4g為本發(fā)明圖像融合方法得到的融合結(jié)果示意圖。表3給出了圖4所示結(jié)果的融合評 價指標(biāo)，加粗?jǐn)?shù)字為相對最優(yōu)值。
[0164] 表 3
[0165]
【主權(quán)項(xiàng)】
1. 一種基于AGIHS及低通濾波器的遙感圖像融合方法，其特征在于：該方法是采用如 下步驟實(shí)現(xiàn)的： 1) 針對源多光譜圖像進(jìn)行自適應(yīng)廣義IHS變換，由此得到最優(yōu)亮度分量；所述自適應(yīng) 廣義IHS變換的具體步驟包括： 1. 1)針對源多光譜圖像的紅色光波段、綠色光波段、藍(lán)色光波段、近紅外波段進(jìn)行加權(quán) 求和，由此得到亮度分量；具體求和公式如下： I_wight= w: ?img_ms(R)+w2?img_ms(G)+w3 ?img_ms(B)+w4?img_ms(N) (1)； 式（1)中：I_wight為亮度分量;Wpw2、w3、^^均為權(quán)值，且其范圍均為（0,1) ;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(lán)色光波段、近紅外波段； 1. 2)計(jì)算亮度分量和源全色圖像的差值；具體計(jì)算公式如下： d_wight=img_pan-I_wight (2)； 式（2)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； 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： img_wight(R) =img_ms(R)+d_wight img_wight(G) =img_ms(G)+d_wight img_wight(B) =img_ms(B)+d_wight (3)； img_wight(N) =img_ms(N)+d_wight 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(lán)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(lán)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； 1. 4)計(jì)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(yīng)度函數(shù)，然后， 采用粒子群算法來尋找適應(yīng)度函數(shù)的最優(yōu)適應(yīng)度值，由此得到最優(yōu)權(quán)值； 1. 5)將最優(yōu)權(quán)值代入式（1)，由此得到最優(yōu)亮度分量；具體公式如下： I_opt= w〇pt,i*img_ms(R)+wopt2 ?img_ms(G)+wopt3 ?img_ms(B)+woptj4 ?img_ms(N) (8)； 式（8)中：I_opt為最優(yōu)亮度分量; W〇pt, 1、W〇pt, 2、W〇pt, 3、W〇pt, 4均為最優(yōu)權(quán)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(lán) 色光波段、近紅外波段； 2) 采用低通濾波器獲取高頻分量；具體步驟包括： 2. 1)針對源全色圖像和最優(yōu)亮度分量進(jìn)行灰度直方圖匹配，由此得到匹配好的全色圖 像； 2. 2)計(jì)算匹配好的全色圖像和最優(yōu)亮度分量的差值；具體計(jì)算公式如下： d-opt=img-pan-matched-I-opt (9)； 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_0pt為最優(yōu)亮度分量； 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(jìn)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：C!0)； 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：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(lán)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(lán)色光波段、近紅外波段； d_high為高頻分量。2.根據(jù)權(quán)利要求1所述的基于AGIHS及低通濾波器的遙感圖像融合方法，其特征在于： 所述步驟1. 4)中，新的多光譜圖像的全局質(zhì)量指數(shù)的具體計(jì)算公式如下：式（4)中：〇4為新的多光譜圖像的全局質(zhì)量指數(shù)；氣％為源多光譜圖像的四元數(shù)表示 和新的多光譜圖像的四元數(shù)表示的協(xié)方差；氣為源多光譜圖像的四元數(shù)表示的方差； 為新的多光譜圖像的四元數(shù)表示的方差；21為源多光譜圖像的四元數(shù)表示 2為新的多光 譜圖像的四元數(shù)表示；a、b、c、d均為實(shí)數(shù)；i、j、k均為虛數(shù)，且i2=j2=k2=ijk=-l; 適應(yīng)度函數(shù)具體表示如下： fitness=-Q4(img_wight) (5)； 式（5)中：fitness為適應(yīng)度函數(shù)；Q4為新的多光譜圖像的全局質(zhì)量指數(shù)；img_wight為 新的多光譜圖像。3.根據(jù)權(quán)利要求1或2所述的基于AGIHS及低通濾波器的遙感圖像融合方法，其特征 在于：所述步驟1. 4)中，粒子群算法的具體步驟包括： 1. 4. 1)假設(shè)加速度常數(shù)cdPc2,T_為最大迭代數(shù)；設(shè)當(dāng)前迭代次數(shù)t=l，在定義空間 9T內(nèi)隨機(jī)產(chǎn)生m個粒子的位置矢量p〇1，p〇2,. . .，p〇ni，其中每個粒子的位置矢量均為一個4 維向量，具體表示如下：m個粒子的位置矢量組成初始種群Po(t); 同時，隨機(jī)產(chǎn)生m個粒子的速度矢量Vl，v2,. . .，Vni，m個粒子的速度矢量組成速度矩陣V(t)； 1. 4. 2)按照步驟1. 1)-1. 3)，每個粒子的位置矢量均對應(yīng)得到一個新的多光譜圖像 一"然后，將每個新的多光譜圖像均代入式（5)，由此計(jì)算出初始種群p〇(t)中 每個粒子在其相對應(yīng)的位置矢量上的適應(yīng)度值； 1. 4. 3)比較初始種群Po(t)中每個粒子在其相對應(yīng)的位置矢量上的適應(yīng)度值，并選擇 最優(yōu)適應(yīng)度值作為最優(yōu)位置矢量op、，然后將最優(yōu)位置矢量op、對應(yīng)的粒子的位置記為在 n維空間中的當(dāng)前位置； 1. 4. 4)根據(jù)m個粒子的速度矢量對m個粒子的位置矢量進(jìn)行更新，由此產(chǎn)生新的種群Po(t+l);具體更新公式如下：(6)； (7)； 式（6) - (7)中：為更新后的位置矢量；為第k次迭代時第d個粒子的位置 矢量；v,)/1為更新后的速度矢量； < 為第k次迭代時第d個粒子的速度矢量；cdPc2為加 速度常數(shù)；rdPr2為0和1之間的隨機(jī)數(shù)；〇聲〗為第k次迭代時第d個粒子的最優(yōu)位置矢 量，； 1. 4. 5)檢測終止條件，如果滿足條件，則結(jié)束優(yōu)化過程；否則，設(shè)t=t+l并轉(zhuǎn)向步驟 1.4.2)，直到終止條件達(dá)到最大迭代數(shù)!^.，或者評估值小于給出的精度e; 1. 4. 6)根據(jù)最優(yōu)適應(yīng)度值，輸出最優(yōu)位置矢量opt= (w^，w。％；；，w。^，w。^)，由此得 到最優(yōu)權(quán)值。
【專利摘要】本發(fā)明涉及遙感圖像融合技術(shù)，具體是一種基于AGIHS及低通濾波器的遙感圖像融合方法。本發(fā)明解決了現(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(xì)節(jié)成分模糊現(xiàn)象的問題。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(shí)現(xiàn)的：1)針對源多光譜圖像進(jìn)行自適應(yīng)廣義IHS變換，由此得到最優(yōu)亮度分量；2)采用低通濾波器獲取高頻分量；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。本發(fā)明適用于遙感衛(wèi)星圖像、雷達(dá)圖像、一般的自然圖像和醫(yī)學(xué)圖像的融合。
【IPC分類】G06T3/40, G06T5/50
【公開號】CN105023261
【申請?zhí)枴緾N201510433681
【發(fā)明人】劉帆, 陳宏濤, 柴晶
【申請人】太原理工大學(xué)
【公開日】2015年11月4日
【申請日】2015年7月22日