CN107016641A - 一种基于改进比值变换的全色与高光谱图像融合方法 - Google Patents

Abstract

本发明公开了一种基于改进比值变换的全色与高光谱图像融合方法。该方法首先选择全色图像光谱响应范围内的高光谱图像波段，将其分为S个组，并利用均值加权求和将每组的高光谱图像波段合成为1个波段，得到S个波段的高光谱合成图像；然后，将高光谱合成图像的像元按光谱线性相关性划分为R个子类，对高光谱合成图像中每个像元子类的所有波段加权求和，得到低分辨率全色合成图像；最后，计算全色图像与低分辨率全色合成图像的比值，利用比值变换生成全色与高光谱融合图像。与现有技术相比较，本方法光谱色彩与纹理细节保真度高，适应性好。

Description

一种基于改进比值变换的全色与高光谱图像融合方法

技术领域

本发明涉及一种遥感图像融合方法，尤其涉及一种基于改进比值变换的全色与高光谱图像融合方法，属于数字图像处理技术领域。

背景技术

高光谱遥感图像的光谱分辨率在10纳米数量级范围内，在电磁波谱的紫外、可见光、近红外和中红外区域，以数十至数百个连续且细分的光谱波段对地物同时成像。高光谱图像记录的地物光谱信息极为丰富，在矿藏探测、环境和海洋监测、农业和森林调查、国防安全等领域发挥着越来越重要的作用。虽然高光谱图像的光谱分辨率高，但其空间分辨率较低，限制了小尺寸目标的探测与定位。考虑到全色图像的空间分辨率较高，因此现有卫星(如美国的EO-1和NEMO卫星)往往采集同时相的全色与高光谱图像，然后通过图像融合处理来提升高光谱图像的空间分辨率。

目前，已有全色与多光谱图像融合方法的研究非常多，但是全色与高光谱图像融合方法的研究相对较少。现有全色与多光谱图像融合方法可以分为加性变换和乘性变换两大类。其中，加性变换融合主要包括基于IHS变换、基于PCA变换、基于GS变换、基于小波变换和基于曲波变换等融合方法；乘性变换融合方法主要包括Brovey变换和UNB-Pansharp等融合方法。高光谱图像与多光谱图像在以下两个方面存在较大差异：高光谱图像波段数量远多于多光谱图像，高光谱图像通常含有100个以上的波段，多光谱图像的波段数量通常小于10个；高光谱与全色图像之间的空间分辨率差异大于多光谱与全色图像之间的空间分辨率差异。这些差异使得现有全色与多光谱图像融合方法用于全色与高光谱图像融合时往往出现光谱色彩失真或纹理细节失真问题。

在此背景下，研究一种基于改进比值变换的全色与高光谱图像融合方法，通过高光谱图像的波段加权求和生成波段数量较少的高光谱合成 图像，并通过高光谱合成图像的像元分类与加权求和来生成的低分辨率全色合成图像，从而得到光谱色彩和纹理细节高保真的融合图像。

发明内容

本发明所要解决的技术问题在于提供一种基于改进比值变换的全色与高光谱图像融合方法。该方法首先选择全色图像光谱响应范围内的高光谱图像波段，将其分为S个组，并利用均值加权求和将每组的高光谱图像波段合成为1个波段，得到S个波段的高光谱合成图像；然后将高光谱合成图像的像元按光谱线性相关性划分为R个子类，对高光谱合成图像中每个像元子类的所有波段加权求和，得到低分辨率全色合成图像；最后，计算全色图像与低分辨率全色合成图像的比值，利用比值变换生成光谱色彩与纹理细节高保真的全色与高光谱融合图像。

为实现上述的发明目的，本发明采用下述的技术方案：

一种基于改进比值变换的全色与高光谱图像融合方法，包括如下步骤：

(1)利用双线性插值将高光谱图像上采样至全色图像相同的空间分辨率；

(2)选择该全色图像光谱响应范围内的高光谱图像波段，将其分为S个组，第1组至第S-1组均包含T₁个高光谱图像波段，第S组包含T₂个高光谱图像波段，则全色图像光谱响应范围内的高光谱图像波段数＝T₂+(S-1)×T₁；

(3)利用均值加权求和将每组的高光谱图像波段合成为1个波段，得到S个波段的高光谱合成图像；

(4)利用K-means方法将高光谱合成图像的像元按光谱线性相关性划分为R个子类；

(5)对高光谱合成图像中每个像元子类的所有波段加权求和，得到低分辨率全色合成图像；

(6)计算全色图像与低分辨率全色合成图像的比值，利用比值变换生成融合图像。

其中，在所述步骤(2)中，T₂取值满足[T₁/T₂]＝1的约束；

在所述步骤(2)中，S的取值为7～12中任意一个正整数，最优取值 为10；

在所述步骤(4)中，R取值为2～5中任意一个正整数，最优取值为3；

在所述步骤(4)中，将像元数量小于阈值T₃的子类合并为一类；

在所述步骤(4)中，阈值T₃的取值优选为0.05×W，W为全色图像的像元总数；

在所述步骤(5)中，以高光谱合成图像中各子类像元的所有波段为自变量，以各子类对应的全色图像为因变量，利用多元线性回归计算加权系数。

本发明所提供的基于改进比值变换的全色与高光谱图像融合方法的优点包括：

1.生成的全色与高光谱融合图像光谱色彩与纹理细节保真度好；

2.对不同卫星采集的全色与高光谱图像适应性好，不需人工设置融合参数，可用于自动化生产融合图像产品。

附图说明

图1为根据本发明实施例的融合方法流程图；

图2(a)－2(d)显示了本发明的实施例与现有典型融合方法的实验结果对比图。

具体实施方式

下面结合附图，对本发明所提供的基于改进比值变换的全色与高光谱图像融合方法的具体实施步骤进行详细的说明。如图1所示，对于配准的全色与高光谱图像，依次通过如下的步骤进行融合处理：

(1)利用双线性插值法将高光谱图像上采样至全色图像相同的空间分辨率，得到上采样的高光谱图像。

假设像素点I_k(x+u,y+v)是高光谱图像第k波段像素点I_k(x,y)、I_k(x+1,y)、I_k(x,y+1)和I_k(x+1,y+1)之间的一个插值点，其中0<u<1，0<v<1，x为图像的行号，y为图像的列号，则插值的计算方法具体如下：

I_k(x+u,y+v)＝(1-u)(1-v)I_k(x,y)+uvI_k(x+1,y+1)

+v(1-u)I_k(x,y+1)+u(1-v)I_k(x+1,y)

(2)选择全色图像光谱响应范围内的高光谱图像波段，将其分为S个组，第1组至第S-1组均有T₁个高光谱图像波段，第S组为T₂个高光谱图像波段。

通常，高光谱成像传感器在电磁波谱的紫外、可见光、近红外和中红外区域，以数十至数百个连续且细分的光谱波段对地物同时成像，而全色成像传感器在电磁波谱的可见光和近红外区域单波段成像。根据该规律，选择全色图像光谱响应范围内的高光谱图像波段来生成低分辨率合成全色图像。

本发明将全色图像光谱响应范围内的高光谱图像波段分为S个组：第1组至第S-1组均有T₁个高光谱图像波段，记为g_i表示第i个分组内的高光谱图像波段，1≤i≤S-1；第S组为T₂个高光谱图像波段，记为其中，T₂取值须满足[T₁/T₂]＝1的约束，S的取值为7、8、9、10、11和12，最优取值为10。

(3)利用均值加权求和将每组的高光谱图像波段合成为1个波段，得到S个波段的高光谱合成图像，计算公式如下：

其中，(x,y)表示图像第x行第y列的像元，表示高光谱合成图像中第i波段像元(x,y)的取值。

(4)利用K-means方法将高光谱合成图像的像元按光谱线性相关性划分为R个子类。

首先，利用K-means方法将高光谱合成图像的像元分为R个子类，R取值为2、3、4和5，最优取值为3。为了更准确地生成低分辨率全色合成图像，本发明采用高光谱合成图像像元值的线性相关性做为分类的类间距离度量。此外，本发明将像元数量小于阈值T₃的子类合并为1类，阈值T₃的取值优选为0.05×W，W为全色图像的像元总数。

(5)对高光谱合成图像中每个像元子类的所有波段加权求和，得到低分辨率全色合成图像。

首先，以高光谱合成图像中各子类像元的所有波段为自变量，以各子类对应的全色图像为因变量，利用多元线性回归计算加权系数，记为μ_ik(1≤i≤R,1≤k≤S)，表示高光谱合成图像第k波段第i个像元子类的加权系数；然后，利用该加权系数对高光谱合成图像中每个像元子类的所有波段加权求和，得到低分辨率全色合成图像具体如下：

其中，Ω_i表示高光谱合成图像的第i个像元子类集合。

(6)计算全色图像与低分辨率全色合成图像的比值，利用比值变换生成融合图像。

按如下公式计算全色图像与低分辨率全色合成图像的比值，并将该比值为r(x,y):

通过比值变换生成第k波段的融合图像，见下式，其中F_k(x,y为融合图像，H_k(x,y为第k波段的融合图像：

F_k(x,y)＝r(x,y)H_k(x,y)

本发明方法与国际著名ENVI遥感图像处理软件的GS变换融合法进行了实验对比。GS变换融合法是当前应用最广泛的融合方法。实验数据为美国EO-1卫星拍摄的全色与高光谱图像，共计5景。其中，全色图像平均尺寸约为3000×3000像素，高光谱图像的平均尺寸约为1000×1000像素。

图2显示美国EO-1卫星的全色和高光谱图像以及实验生成的融合图像，其中，图2(a)为全色图像，图2(b)为高光谱图像，图2(c)为ENVI软件中GS变换法生成的融合图像，图2(d)为根据本发明的实施例生成的融合图像。由于实验图像的尺寸较大，为了清晰地展示图中的地物，图2仅给出了实验图像的局部区域。此外，由于无法利用假彩色图像显示融合图像，这里将假彩色的融合图像转化为灰度图像来显示融合效果。在 主观评价上，本发明的方法对所有的实验数据均有较好的光谱色彩和纹理细节保真效果，见图2(d)，且本方法的保真效果优于ENVI软件的GS变换融合方法。

下面利用光谱扭曲度来评价融合图像的光谱保真效果，同时利用细节扭曲度来评价融合图像的空间细节保真效果。这些指标的取值越小，融合图像的保真效果越好，其定义如下：

(1)光谱色彩扭曲度

光谱扭曲度(记为S₁)反映了融合图像[F_i,j,k]_M×N×Q与高光谱图像[H_i,j,k]_M×N×Q的光谱失真程度，其中M和N为图像的长度与宽度，Q为图像的波段数量，i和j为图像的行号与列号，k为图像波段号，G为高斯滤波器。它的取值越小，说明融合图像的光谱失真越小，计算公式如下：

(2)纹理细节扭曲度

细节扭曲度(记为S₂)是指融合图像[F_i,j,k]_M×N×Q与全色图像[P_i,j]_M×N空间细节信息差值的平均值，其中M和N为图像的长度与宽度，Q为高光谱图像的波段数量，i和j为图像的行号与列号，k为图像波段号，G为高斯滤波器。它的取值越小，融合图像的细节保真程度越好，计算公式如下：

表1列出了本发明方法与对比方法的客观评价结果。由表1可知，在本发明方法生成的融合图像光谱色彩扭曲度和纹理细节扭曲度均小于ENVI软件的GS变换融合方法。实验结果表明本发明方法的融合效果优于对比方法。

表1图像融合质量的客观评价表

本发明所提供的基于改进比值变换的全色与高光谱图像融合方法主要是为提高全色与高光谱图像融合的保真效果专门提出的。但显然，本说明书中所描述的融合方法也适用于普通成像设备如数码相机所拍摄图像的融合操作，所取得的有益效果也是相似的。

以上对本发明所提供的基于改进比值变换的全色与高光谱图像融合方法进行了详细的说明，但显然本发明的范围并不局限于此。在不脱离所附权利要求书所限定的保护范围的情况下，对本发明的各种改变都在本发明的范围之内。

Claims (9)

1.一种基于改进比值变换的全色与高光谱图像融合方法，其特征在于包括：

(1)利用双线性插值将高光谱图像上采样至与全色图像相同的空间分辨率；

(2)选择该全色图像光谱响应范围内的高光谱图像波段，将其分为S个组，第1组至第S-1组均包含T₁个高光谱图像波段，第S组包含T₂个高光谱图像波段，则全色图像光谱响应范围内的高光谱图像波段数＝T₂+(S-1)×T₁；

(3)利用均值加权求和将每组的高光谱图像波段合成为1个波段，得到S个波段的高光谱合成图像；

(4)利用K-means方法将高光谱合成图像的像元按光谱线性相关性划分为R个子类；

(5)对高光谱合成图像中每个像元子类的所有波段加权求和，得到低分辨率全色合成图像；

(6)计算全色图像与低分辨率全色合成图像的比值，利用比值变换生成融合图像。

2.如权利要求1所述的基于改进比值变换的全色与高光谱图像融合方法，其特征在于：

在所述步骤(2)中，T₂取值满足[T₁/T₂]＝1的约束。

3.如权利要求1所述的基于改进比值变换的全色与高光谱图像融合方法，其特征在于：

在所述步骤(2)中，S的取值为7～12中任意一个正整数。

4.如权利要求1所述的基于改进比值变换的全色与高光谱图像融合方法，其特征在于：

在所述步骤(2)中，S的最优取值为10。

5.如权利要求1所述的基于改进比值变换的全色与高光谱图像融合方法，其特征在于：

在所述步骤(4)中，R取值为2～5中任意一个正整数。

6.如权利要求1所述的基于改进比值变换的全色与高光谱图像融合方法，其特征在于：

在所述步骤(4)中，R的最优取值为3。

7.如权利要求1所述的基于改进比值变换的全色与高光谱图像融合方法，其特征在于：

在所述步骤(4)中，将所有像元数量小于阈值T₃的子类合并为一类。

8.如权利要求1所述的基于改进比值变换的全色与高光谱图像融合方法，其特征在于：

在所述步骤(4)中，阈值T₃的取值优选为0.05×W，W为全色图像的像元总数。

9.如权利要求1所述的基于改进比值变换的全色与高光谱图像融合方法，其特征在于：

在所述步骤(5)中，以高光谱合成图像中各子类像元的所有波段为自变量，以各子类对应的全色图像为因变量，利用多元线性回归计算加权系数。