CN105096286A - 遥感图像的融合方法及装置 - Google Patents

Abstract

本申请实施例提供了一种遥感图像的融合方法及装置，该方法包括：获取多光谱波段图像和全色波段图像并进行预处理，在确定待融合多光谱波段图像和待融合全色波段图像后，根据多光谱波段图像中的与全色波段图像的全色波段范围重叠的多光谱波段构建模拟全色波段；将待融合多光谱波段图像除以模拟全色波段进行标准化；将标准化后的待融合多光谱波段图像与待融合全色波段图像相乘，以将待融合全色波段图像的图像信息按比例分布到标准化后的待融合多光谱波段图像上，获得融合结果；对融合结果进行三基色合成及显示。本申请实施例的融合结果既保持了较好空间细节特征又保持了较好的光谱特征，不受融合波段数量的限制，融合效率高。

Description

遥感图像的融合方法及装置

技术领域

本申请涉及遥感图像处理技术领域，尤其是涉及一种遥感图像的融合方法及装置。

背景技术

随着遥感技术的发展，由各种卫星传感器对地观测获得的多光谱、多时相、多分辨率的遥感数据越来越多，为遥感数据的目视解译、环境的监测等提供了丰富而有效地数据支持。但是在实际应用中对遥感数据在时间尺度、空间尺度和光谱尺度的要求存在很大的差异，而各种卫星传感器提供的数据具有不同特点，比如同一卫星传感器获得多光谱和全色光谱数据，多光谱波段图像具有丰富的光谱信息，但分辨率往往不及全色谱段二分之一；全色谱段的图像具有较高的空间分辨率，但是没有丰富的光谱信息。所以遥感技术应用的主要矛盾不是数据源的不足，而是如何从海量的数据源中提取出有用、可靠的信息。由于单一的手段获得的遥感数据在几何、光谱和空间分辨率等方面存在明显的局限性和差异性，在实际应用中仅应用一种遥感数据很难满足要求，遥感图像融合是近几年遥感图像处理中普遍使用的一种技术，它通过高级图像处理技术来复合多源遥感图像，该技术最大程度地利用多种数据的不同特性，从而达到提高遥感图像空间分辨率、改善遥感图像几何精度、增强特征显示能力等目标，是目前为止解决海量图像和使用瓶颈问题的最有效的技术方法。

目前，遥感图像的融合方法主要有三个层面，即像元级、特征级以及决策层，应用较多的是基于像元级的不同分辨率的多光谱与全色光谱的融合，主要的方法有HIS(Hue、Intensity、Satuation)变换、基于PCA(PrincipalComponentAnalysis，主成分分析)变换、基于小波变换和Brovey融合(即比值变换融合)等。其中：

基于HIS变换的融合方法计算复杂度低，常被用于各种软件中，但是HIS变换融合后的图像光谱失真严重，并且只能用于蓝、绿、红三个波段的多光谱波段图像。基于PCA变换的融合方法得到的融合图像虽具有比HIS变换具有更好的光谱特征和空间分辨率，但该方法依赖于分解后的第一主分量图像和全色波段图像的相关性，相关系数较高时，能够得到较高的融合图像，相反，当和全色波段图像相关系数最高的分量图像不是第一主分量图像的时候，就会对融合图像的空间分辨率造成严重影响。小波融合方法是将高空间分辨率图像的高频信息从图像中分离出来，迭加在低空间分辨率的图像上，事实上，不同波段图像的高频信息是不相同的，因此这种迭加方法必然会对融合结果的准确性造成一定程度的影响。现有的比值变换融合算法(即Brovey融合算法)能够较好地保持空间分辨率，但该方法同样依赖于全色波段图像与多光谱波段图像的相关性，相关性越好融合结果越好，且光谱信息的保持依赖于传感器的配置和图像信息本身，但往往由于利用多光谱地空间分辨率图像对高分辨率波段进行模拟时，两者信息量特征不能很好的匹配，使融合图像的色调和原光谱图像的色调无法保持一致，造成融合图像的光谱失真；另外，该算法一次只能对参与彩色合成的蓝、绿、红三个波段数据进行融合，在应用过程中存在很大的局限性。

可见，如何使融合后的遥感图像在保持空间细节的同时又能很好地保持光谱特性是目前遥感图像处理领域亟需解决的技术问题。

发明内容

本申请实施例的目的在于提供一种遥感图像的融合方法及装置，以使融合后的遥感图像在保持空间细节的同时又能很好地保持光谱特性。

为达到上述目的，一方面，本申请实施例提供了一种遥感图像的融合方法，包括以下步骤：

从遥感图像中获取多光谱波段图像和全色波段图像；

对所述多光谱波段图像进行几何配准，以使所述多光谱波段图像与所述全色波段图像保持几何一致性；

将几何配准后的多光谱波段图像的分辨率调整至与所述全色波段图像的分辨率相同；

从调整分辨率后的多光谱波段图像中选出第一待融合区域，并从所述全色波段图像中选出第二待融合区域，所述第一待融合区域与所述第二待融合区域为相同图像区域；

根据所述多光谱波段图像中的与所述全色波段图像的全色波段范围重叠的多光谱波段构建模拟全色波段；

将所述第一待融合区域除以所述模拟全色波段进行标准化；

将标准化后的第一待融合区域与所述第二待融合区域相乘，以将所述第二待融合区域的图像信息按比例分布到所述标准化后的第一待融合区域上，获得融合结果；

对所述融合结果进行三基色合成及显示。

本申请实施例的遥感图像的融合方法，所述根据所述多光谱波段图像中的与所述全色波段图像的全色波段范围重叠的多光谱波段构建模拟全色波段，包括：

根据与所述全色波段图像的全色波段范围重叠的所述多光谱波段图像的多光谱波段的均值构建模拟全色波段。

本申请实施例的遥感图像的融合方法，所述模拟全色波段的表达式为： $P_m=\frac{1}{e-s+1}*\underset{i=s}{\overset{e}{\Σ}}{\mathrm{DN}}_i;$

其中，P_m为模拟全色波段，DN_i是与全色波段范围重叠的多光谱波段的第i波段的DN值，s为与全色波段范围重叠的多光谱波段的起始波段，e为与全色波段范围重叠的多光谱波段的终止波段。

本申请实施例的遥感图像的融合方法，所述何配准后的多光谱波段图像的分辨率调整至与所述全色波段图像的分辨率相同，具体包括：

重采样几何配准后的多光谱波段图像，使得重采样后的多光谱波段图像的像元与所述全色波段图像的像元大小一致。

本申请实施例的遥感图像的融合方法，所述重采样包括以下重采样方法中的一种：三次条样插值法、邻近点插值法、双线形插值法和立方卷积插值法。

另一方面，本申请实施例还提供了一种遥感图像的融合装置，包括：

图像获取模块，用于从遥感图像中获取多光谱波段图像和全色波段图像；

几何配准模块，用于对所述多光谱波段图像进行几何配准，以使所述多光谱波段图像与所述全色波段图像保持几何一致性；

分辨率调整模块，用于将几何配准后的多光谱波段图像的分辨率调整至与所述全色波段图像的分辨率相同；

融合区域选择模块，用于从调整分辨率后的多光谱波段图像中选出第一待融合区域，并从所述全色波段图像中选出第二待融合区域，所述第一待融合区域与所述第二待融合区域为相同图像区域；

模拟波段构建模块，用于根据所述多光谱波段图像中的与所述全色波段图像的全色波段范围重叠的多光谱波段构建模拟全色波段；

光谱标准化模块，用于将所述第一待融合区域除以所述模拟全色波段进行标准化；

区域融合模块，用于将标准化后的第一待融合区域与所述第二待融合区域相乘，以将所述第二待融合区域的图像信息按比例分布到所述标准化后的第一待融合区域上，获得融合结果；

融合结果显示模块，用于对所述融合结果进行三基色合成及显示。

本申请实施例的遥感图像的融合装置，所述根据所述多光谱波段图像中的与所述全色波段图像的全色波段范围重叠的多光谱波段构建模拟全色波段，包括：

根据与所述全色波段图像的全色波段范围重叠的所述多光谱波段图像的多光谱波段的均值构建模拟全色波段。

本申请实施例的遥感图像的融合装置，所述模拟全色波段的表达式为： $P_m=\frac{1}{e-s+1}*\underset{i=s}{\overset{e}{\Σ}}{\mathrm{DN}}_i;$

其中，P_m为模拟全色波段，DN_i是与全色波段范围重叠的多光谱波段的第i波段的DN值，s为与全色波段范围重叠的多光谱波段的起始波段，e为与全色波段范围重叠的多光谱波段的终止波段。

本申请实施例的遥感图像的融合装置，所述何配准后的多光谱波段图像的分辨率调整至与所述全色波段图像的分辨率相同，具体包括：

重采样几何配准后的多光谱波段图像，使得重采样后的多光谱波段图像的像元与所述全色波段图像的像元大小一致。

本申请实施例的遥感图像的融合装置，所述重采样所用方法包括：三次条样插值法、邻近点插值法、双线形插值法或立方卷积插值法。

本申请实施例中引入了模拟全色波段的概念，通过构建模拟全色波段来标准化多光谱数据，然后进行Brovey融合，因此，本申请实施例的融合结果既能较好的保持全色波段图像的空间细节特征，又能较好地保持多光谱波段图像的光谱特征，增强了可视表达效果。而且，不同于传统的Brovey融合只能对参与彩色合成的三个波段标准化，本申请实施例可以对所有多光谱波段进行标准化，因此，该模拟全色波段的引入可以解决传统Brovey融合进行数据融合时对波段数量的限制，从而也提高了融合效率。

附图说明

此处所说明的附图用来提供对本申请实施例的进一步理解，构成本申请实施例的一部分，并不构成对本申请实施例的限定。在附图中：

图1为本申请实施例的遥感图像的融合方法的流程图；

图2为本申请实施例的遥感图像的融合装置的结构框图；

图3a为一原始遥感图像；

图3b为图3a中的遥感图像基于现有技术中的PCA变换的融合结果；

图3c为图3a中的遥感图像基于现有技术中的小波变换的融合结果；

图3d为图3a中的遥感图像基于现有技术中的Brovey融合方法的融合结果；

图3e为图3a中的遥感图像基于本申请实施例的融合结果；

图4a为蓝波段下原始遥感图像与本申请实施例以及现有几种融合方法的直方图；

图4b为绿波段下原始遥感图像与本申请实施例以及现有几种融合方法的直方图；

图4c为红波段下原始遥感图像与本申请实施例以及现有几种融合方法的直方图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本申请实施例做进一步详细说明。在此，本申请实施例的示意性实施例及其说明用于解释本申请实施例，但并不作为对本申请实施例的限定。

下面结合附图，对本申请实施例的具体实施方式作进一步的详细说明。虽然下文描述的过程流程包括以特定顺序出现的多个操作，但是，应当清楚了解，这些过程可以包括更多或更少的操作，这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)

参考图1所示，本申请实施例的遥感图像的融合方法，包括以下步骤：

S1、从遥感图像中获取多光谱波段图像和全色波段图像。这里的多光谱波段图像和全色波段图像为原始的遥感图像。

S2、对所述多光谱波段图像进行几何配准，以使所述多光谱波段图像与所述全色波段图像保持几何一致性。

S3、将几何配准后的多光谱波段图像的分辨率调整至与所述全色波段图像的分辨率相同。本申请实施例是基于像元级的融合，融合前均需要将几何配准后的多光谱波段图像重采样为与全色波段图像空间分辨率相等的新图像，也就说使得重采样后的多光谱波段图像的像元与所述全色波段图像的像元大小一致。而重采样法可以采用三次条样插值法、邻近点插值法、双线形插值法或立方卷积插值法等。

S4、从调整分辨率后的多光谱波段图像中选出第一待融合区域，并从所述全色波段图像中选出第二待融合区域，所述第一待融合区域与所述第二待融合区域为相同图像区域。

S5、根据所述多光谱波段图像中的与所述全色波段图像的全色波段范围重叠的多光谱波段构建模拟全色波段。具体的，通过查看遥感图像的波谱信息，根据全色波段的覆盖范围查找该范围所对应的多光谱波段，多光谱谱段与全色谱段有重叠的范围，则参与构建模拟全色波段。当然，为了更加具有代表性，还可将所查找到的与全色谱段范围重叠的多光谱波段取均值，来构建模拟全色波段，其模拟全色波段的表达式可表示为： $P_m=\frac{1}{e-s+1}*\underset{i=s}{\overset{e}{\Σ}}{\mathrm{DN}}_i.$

其中，P_m为，DN_i是与全色波段范围重叠的多光谱波段的第i波段的DN值，s为与全色波段范围重叠的多光谱波段的起始波段，e为与全色波段范围重叠的多光谱波段的终止波段。其中，DN值(DigitalNumber)是遥感图像像元的亮度值；DN值无单位，通常是一个整数值。

S6、将所述第一待融合区域除以所述模拟全色波段进行标准化。

S7、将标准化后的第一待融合区域与所述第二待融合区域相乘，以将所述第二待融合区域的图像信息按比例分布到所述标准化后的第一待融合区域上，获得融合结果。

S8、对所述融合结果进行三基色合成及显示。

本申请实施例中引入了模拟全色波段的概念，通过构建模拟全色波段来标准化多光谱数据，然后进行Brovey融合，从而在提高空间分辨率的同时能够更有效的保持多光谱数据的波谱信息。而且，不同于传统的Brovey融合算法只能对参与彩色合成的三个波段标准化，本申请实施例可以对所有多光谱波段进行标准化，因此，该模拟全色波段的引入可以解决传统Brovey融合算法进行数据融合时对波段数量的限制。

上述步骤S1～S4属于预处理步骤。此外，基于步骤S6和S7，本申请实施例这种改进的Brovey融合算法可表达为如下公式：

${\mathrm{DN}}_{new}=\frac{DN}{P_m}*{\mathrm{DN}}_{pan}$

其中，DN_new是融合后图像的波段DN值；DN是第一待融合区域波段的DN值；DN_pan是第一待融合区域波段的DN值，P_m为模拟全色波段。

参考图2所示，与上述遥感图像的融合方法对应，本申请实例的遥感图像的融合装置包括：

图像获取模块21，用于从遥感图像中获取多光谱波段图像和全色波段图像。

几何配准模块22，用于对所述多光谱波段图像进行几何配准，以使所述多光谱波段图像与所述全色波段图像保持几何一致性。

分辨率调整模块23，用于将几何配准后的多光谱波段图像的分辨率调整至与所述全色波段图像的分辨率相同。本申请实施例是基于像元级的融合，融合前均需要将几何配准后的多光谱波段图像重采样为与全色波段图像空间分辨率相等的新图像，也就说使得重采样后的多光谱波段图像的像元与所述全色波段图像的像元大小一致。而重采样法可以采用三次条样插值法、邻近点插值法、双线形插值法或立方卷积插值法等。

融合区域选择模块24，用于从调整分辨率后的多光谱波段图像中选出第一待融合区域，并从所述全色波段图像中选出第二待融合区域，所述第一待融合区域与所述第二待融合区域为相同图像区域。

模拟波段构建模块25，用于根据所述多光谱波段图像中的与所述全色波段图像的全色波段范围重叠的多光谱波段构建模拟全色波段。具体的，通过查看遥感图像的波谱信息，根据全色波段的覆盖范围查找该范围所对应的多光谱波段，多光谱谱段与全色谱段有重叠的范围，则参与构建模拟全色波段。当然，为了更加准确，还可将所查找到的与全色谱段范围重叠的多光谱波段取均值，来构建模拟全色波段，其模拟全色波段的表达式可表示为： $P_m=\frac{1}{e-s+1}*\underset{i=s}{\overset{e}{\Σ}}{\mathrm{DN}}_i.$

其中，P_m为，DN_i是与全色波段范围重叠的多光谱波段的第i波段的DN值，s为与全色波段范围重叠的多光谱波段的起始波段，e为与全色波段范围重叠的多光谱波段的终止波段。其中，DN值(DigitalNumber)是遥感图像像元的亮度值；DN值无单位，通常是一个整数值。

光谱标准化模块26，用于将所述第一待融合区域除以所述模拟全色波段进行标准化。

区域融合模块27，用于将标准化后的第一待融合区域与所述第二待融合区域相乘，以将所述第二待融合区域的图像信息按比例分布到所述标准化后的第一待融合区域上，获得融合结果。

融合结果显示模块28，用于对所述融合结果进行三基色合成及显示。

本申请实施例中引入了模拟全色波段的概念，通过构建模拟全色波段来标准化多光谱数据，然后进行Brovey融合，因此，本申请实施例的融合结果既能较好的保持全色波段图像的空间细节特征，又能较好地保持多光谱波段图像的光谱特征，增强了可视表达效果。而且，不同于传统的Brovey融合只能对参与彩色合成的三个波段标准化，本申请实施例可以对所有多光谱波段进行标准化，因此，该模拟全色波段的引入可以解决传统Brovey融合进行数据融合时对波段数量的限制，从而也提高了融合效率。

为了便于更好地理解本申请的技术方案，以下举例说明：

如图3a所示，本申请实施例选取了一原始遥感图像(以下称为WorldView-2数据)，该WorldView-2数据提供了高空间分辨率全色波段图像(光谱范围：450nm-800nm，空间分辨率：0.46m)与八个波段的多光谱波段图像(光谱范围：400-1050nm，空间分辨率：1.84m)，八个多光谱波段除了四个常见的波段外，还新增了海岸波段、黄色波段、红色边缘波段以及近红外2波段。该WorldView-2数据很好的满足了试验的条件，既同时包含了全色波段图像数据和多光谱波段图像数据。

在预处理后，要构建模拟全色波段。通过查看WorldView-2数据的波谱信息可知，全色波段的波谱范围为450～800nm，该范围的波谱段对应着多光谱波段的6个波段的数据(包括蓝、绿、黄、近红外、红色边缘以及红外1波段)，据此构建的模拟全色光谱波谱的多项式为：

$P_m=\frac{1}{6}*(band2+band3+band4+band5+band6+band7)$

其中：P_m表示构建的模拟全色光谱波段，band2～band7分别表示第2～7波段的DN值。经本申请实施例融合后的图像如图3e所示，而依次采用现有PCA变换融合、小波变换融合、Brovey融合的融合结果如图3b～图3d所示。从视觉上看，本申请实施例所得到的融合图像在亮度上与原始多光谱图像非常接近，明暗适度，色彩鲜艳，边缘清晰，对比度好，层次感强，具有很好的视觉感受。在图像细节方面，本申请实施例所得到的融合图像与原始全色图像非常相似，比如房屋边缘、树木的结构、道路的形态以及道路上的车辆，都能很清晰地呈现，从而为后续目视解译等工作提供了良好的数据基础。

此外，为了更好地体现本申请实施例的优势。下面将本申请与现有技术进行定量的对比：即对于融合后图像的信息量通过方差、信息熵来评价，而对于融合后图像的逼真度通过扭曲程度、偏差指数和相关系数来评价。其中：

(1)标准差

$S=\sqrt{\frac{1}{m\×n}\underset{i=1}{\overset{m}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}\left(f\right(i,j)-\stackrel{\‾}{f})}$

其中，f(i，j)是图像上(i，j)点的灰度值，是图像的均值，m和n是图像中行和列的像素的个数。

(2)信息熵

$H=-\underset{i=0}{\overset{v}{\Σ}}{P}_i\×{\log }_2{P}_i$

其中，对于i＝[0，v]的灰度范围，P_i为图像像元灰度值为i的概率。

(3)扭曲程度

$D=\frac{1}{m\×n}\underset{i=1}{\overset{m}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}\left|\left(f\right(i,j)-(g\left(i,j\right))\right|$

(4)偏差指数

$D_{index}=\frac{1}{m\×n}\underset{i=1}{\overset{m}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}\frac{\left|\left(f\right(i,j)-(g\left(i,j\right))\right|}{\left(f\right(i,j\left)\right)}$

(5)相关系数

$C(f,g)=\frac{\mathrm{\Σ}\[\left(f\right(i,j)-\stackrel{\‾}{f})\×\left(g\right(i,j)-\stackrel{\‾}{g})\]}{\sqrt{\mathrm{\Σ}{\[\left(f\right(i,j)-\stackrel{\‾}{f})\]}^2\×\mathrm{\Σ}\[{\left(g\right(i,j)-\stackrel{\‾}{g})}^2\]}}$

其中，f(i，j)和g(i，j)分别为融合前和融合后图像(i，j)点的灰度值，和分别为两幅图像的均值，m和n分别表示图像中行和列的像素的个数。

表1

上述表1列出了WorldView-2原始图像、基于PCA变换的融合结果图、基于小波变换的融合结果图、传统Brovey融合结果图以及本申请实施例的融合结果的评价数据，从该评价数据可以看出，在融入信息量方面，这四种方法相比原始图像都有一定的提高，四种方法的差别不大；而在与原始数据逼真度对比方面，本申请实施例普遍要优于三种现有方法。此外，如图4a～图4c所示，各图中，粗虚线为原始图像；细点划线为基于PCA变换的融合结果；细实线为基于小波变换的融合结果；粗点线为基于Brovey融合算法的融合结果；粗实线为基于本申请实施例的融合结果。从不同波段下数值分布范围来看，本申请实施例所得到直方图其偏离程度优于基于PCA变换的融合，而与另外两种方法(即小波变换融合和Brovey融合)相差不大；但是在波谱形态上，本申请实施例的融合结果与原始数据相比保持的最好。

本领域技术人员还可以了解到本申请实施例列出的各种说明性逻辑块、单元和步骤可以通过硬件、软件或两者的结合来实现。至于是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本申请实施例保护的范围。

本申请实施例中所描述的各种说明性的逻辑块，或单元都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。

在一个或多个示例性的设计中，本申请实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。

以上所述的具体实施例，对本申请的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本申请实施例的具体实施例而已，并不用于限定本申请的保护范围，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种遥感图像的融合方法，其特征在于，包括以下步骤：

从遥感图像中获取多光谱波段图像和全色波段图像；

对所述多光谱波段图像进行几何配准，以使所述多光谱波段图像与所述全色波段图像保持几何一致性；

将几何配准后的多光谱波段图像的分辨率调整至与所述全色波段图像的分辨率相同；

从调整分辨率后的多光谱波段图像中选出第一待融合区域，并从所述全色波段图像中选出第二待融合区域，所述第一待融合区域与所述第二待融合区域为相同图像区域；

根据所述多光谱波段图像中的与所述全色波段图像的全色波段范围重叠的多光谱波段构建模拟全色波段；

将所述第一待融合区域除以所述模拟全色波段进行标准化；

将标准化后的第一待融合区域与所述第二待融合区域相乘，以将所述第二待融合区域的图像信息按比例分布到所述标准化后的第一待融合区域上，获得融合结果；

对所述融合结果进行三基色合成及显示。

2.根据权利要求1所述的遥感图像的融合方法，其特征在于，所述根据所述多光谱波段图像中的与所述全色波段图像的全色波段范围重叠的多光谱波段构建模拟全色波段，包括：

根据与所述全色波段图像的全色波段范围重叠的所述多光谱波段图像的多光谱波段的均值构建模拟全色波段。

3.根据权利要求1所述的遥感图像的融合方法，其特征在于，所述模拟全色波段的表达式为： $P_m=\frac{1}{e-s+1}*\underset{i=s}{\overset{e}{\Σ}}{\mathrm{DN}}_i;$

其中，P_m为模拟全色波段，DN_i是与全色波段范围重叠的多光谱波段的第i波段的DN值，s为与全色波段范围重叠的多光谱波段的起始波段，e为与全色波段范围重叠的多光谱波段的终止波段。

4.根据权利要求1所述的遥感图像的融合方法，其特征在于，所述何配准后的多光谱波段图像的分辨率调整至与所述全色波段图像的分辨率相同，具体包括：

重采样几何配准后的多光谱波段图像，使得重采样后的多光谱波段图像的像元与所述全色波段图像的像元大小一致。

5.根据权利要求4所述的遥感图像的融合方法，其特征在于，所述重采样包括以下重采样方法中的一种：三次条样插值法、邻近点插值法、双线形插值法和立方卷积插值法。

6.一种遥感图像的融合装置，其特征在于，包括：

图像获取模块，用于从遥感图像中获取多光谱波段图像和全色波段图像；

几何配准模块，用于对所述多光谱波段图像进行几何配准，以使所述多光谱波段图像与所述全色波段图像保持几何一致性；

分辨率调整模块，用于将几何配准后的多光谱波段图像的分辨率调整至与所述全色波段图像的分辨率相同；

融合区域选择模块，用于从调整分辨率后的多光谱波段图像中选出第一待融合区域，并从所述全色波段图像中选出第二待融合区域，所述第一待融合区域与所述第二待融合区域为相同图像区域；

模拟波段构建模块，用于根据所述多光谱波段图像中的与所述全色波段图像的全色波段范围重叠的多光谱波段构建模拟全色波段；

光谱标准化模块，用于将所述第一待融合区域除以所述模拟全色波段进行标准化；

区域融合模块，用于将标准化后的第一待融合区域与所述第二待融合区域相乘，以将所述第二待融合区域的图像信息按比例分布到所述标准化后的第一待融合区域上，获得融合结果；

融合结果显示模块，用于对所述融合结果进行三基色合成及显示。

7.根据权利要求6所述的遥感图像的融合装置，其特征在于，所述根据所述多光谱波段图像中的与所述全色波段图像的全色波段范围重叠的多光谱波段构建模拟全色波段，包括：

根据与所述全色波段图像的全色波段范围重叠的所述多光谱波段图像的多光谱波段的均值构建模拟全色波段。

8.根据权利要求6所述的遥感图像的融合装置，其特征在于，所述模拟全色波段的表达式为： $P_m=\frac{1}{e-s+1}*\underset{i=s}{\overset{e}{\Σ}}{\mathrm{DN}}_i;$

其中，P_m为，DN_i是与全色波段范围重叠的多光谱波段的第i波段的DN值，s为与全色波段范围重叠的多光谱波段的起始波段，e为与全色波段范围重叠的多光谱波段的终止波段。

9.根据权利要求6所述的遥感图像的融合装置，其特征在于，所述何配准后的多光谱波段图像的分辨率调整至与所述全色波段图像的分辨率相同，具体包括：

重采样几何配准后的多光谱波段图像，使得重采样后的多光谱波段图像的像元与所述全色波段图像的像元大小一致。

10.根据权利要求9所述的遥感图像的融合装置，所述重采样所用方法包括：三次条样插值法、邻近点插值法、双线形插值法或立方卷积插值法。