CN108345899A - 一种利用结构保持滤波的遥感图像融合方法 - Google Patents
一种利用结构保持滤波的遥感图像融合方法 Download PDFInfo
- Publication number
- CN108345899A CN108345899A CN201810024764.2A CN201810024764A CN108345899A CN 108345899 A CN108345899 A CN 108345899A CN 201810024764 A CN201810024764 A CN 201810024764A CN 108345899 A CN108345899 A CN 108345899A
- Authority
- CN
- China
- Prior art keywords
- image
- strength component
- filtering
- full
- lrm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种利用结构保持滤波的遥感图像融合方法,首先上采样多光谱图像并进行超球彩色变换,得到强度分量和角度分量;将强度分量与全色图像做直方图匹配得到匹配图像;使用结构保持滤波器对强度分量进行滤波,对匹配图像进行两级滤波;计算强度分量与匹配图像对应的细节图像,并注入到匹配图像,得到新的强度分量,对新强度分量与角度分量作超球彩色反变换,得到各个波段的融合结果。本发明的融合结果不仅提高了空间分辨率,同时具有较好的光谱保持能力,是一种行之有效的遥感图像融合方法。
Description
技术领域
本发明涉及遥感图像的可视化增强处理技术,尤其是针对星载多光谱图像和全色图像的图像融合方法。
背景技术
遥感卫星可以提供包含多个波段的多光谱(Multispectral,MS)图像与单波段的全色(Panchromatic,PAN)图像。多光谱图像的特点是光谱信息丰富,然而空间细节特征不明显;相反,全色图像的空间分辨率较高,图像细节清晰,但其光谱信息丰富度明显低于多光谱图像。多光谱图像与全色图像的融合主要是综合利用多波段多光谱图像的光谱信息和单波段全色图像的空间信息来产生新的融合图像,提升融合结果的识别精度,提高图像数据的应用效果和实用价值。由于卫星传感器的硬件条件限制,现如今的遥感卫星提供的多光谱图像在空间分辨率上还无法与全色图像保持一致,因此获取具有高空间分辨率的多光谱图像在遥感图像应用领域显得尤为重要。
近些年计算机视觉领域针对滤波器的研究与发展十分迅速,利用新型滤波器包括联合双边滤波器、归一化非局部均匀滤波器、导向滤波器等设计全色-多光谱图像融合模型也成为基于图像滤波融合方法发展的一种趋势(参见文献2014 IEEE InternationalGeoscience and Remote Sensing Symposium(IGARSS 2014),2522–2525,2014;IEEETransactions on Geoscience and Remote Sensing,53(10):5734–5745,2015;Journalof Applied Remote Sensing,9(1):096025,2015)。其中,导向滤波与超球彩色变换的方法(参见文献IEEE International Geoscience and Remote Sensing Symposium(IGARSS2016):7272-7275,Jul.2016)可以不受波段数量限制地融合多光谱图像,然而由于遥感图像中蕴含了大量多尺度的结构信息,并且全色图像与多光谱图像之间存在空间分辨率的差异,诸如导向滤波器之类的保边平滑滤波器很难准确地分离图像中的结构与细节,融合结果容易出现光谱与空间信息失真的现象。
发明内容
为了克服现有技术的不足,本发明提供一种基于结构保持滤波的遥感图像融合方法,不同于边缘保持型滤波器,结构保持滤波器具有良好的结构感知特性,可以准确地分离遥感图像中的结构与细节信息。本发明通过结构保持滤波将全色和多光谱图像中的空间信息准确地提取出来,再使用超球彩色变换(Hyperspherical Color Transform,HCT)将空间信息注入到多光谱图像中,最后经超球彩色反变换得到多光谱图像各波段的融合结果。
本发明解决其技术问题所采用的技术方案包括以下步骤:
第一步,对于包含N个波段MS1,MS2,…,MSN的原始多光谱图像,通过双三次插值将N个波段图像上采样到和全色图像PAN尺寸相同的图像LRM1,LRM2,…,LRMN;
第二步,将图像LRM1,LRM2,…,LRMN进行超球彩色变换,得到变换后的一个强度分量I和N-1个角度分量θ1,θ2,…,θN-1,
第三步,分别计算强度分量I与全色图像PAN的均值与方差,将强度分量I与全色图像PAN做直方图匹配得到匹配图像式中μI与μP分别为强度分量I和全色图像PAN的均值,σI与σP分别为强度分量I和全色图像PAN的标准差;
第四步,使用结构保持滤波器对强度分量I进行滤波,得到滤波输出图像SI,任滤波参数r、k、σ中,r是计算用的滑动窗口大小,该窗口自左上至右下遍历全图,k决定了计算区域协方差的窗口大小,σ控制着滤波过程中的平滑程度;使用结构保持滤波器对匹配图像MP进行两级滤波操作,其中第一级滤波输出图像记为S1,再将S1作为第二级滤波的输入,第二级滤波输出图像记为S2,第一级的滤波参数记为r1、k1、σ1;第二级的滤波参数记为r2、k2、σ2;记SPFr,k,σ(.)为结构保持滤波函数,SI=SPFr,k,σ(I),
第五步,分别计算I与MP对应的细节图像DI=I-SI与DP=MP-S2;将细节图像DI与DP注入到匹配图像MP中,得到新强度分量Inew=MP+DI+DP;
第六步,对新强度分量Inew和角度分量θ1,θ2,…,θN-1作超球彩色反变换,得到N个波段的融合结果HRM1,HRM2,…,HRMN,
本发明的有益效果是:利用超球彩色变换分离多光谱图像中的强度与光谱成分,同时可以突破对多光谱图像输入波段数量的限制,通过结构保持滤波器对输入图像进行两级分解,不同尺寸的结构信息可以被有效地感知,而对应的细节图像可以被准确的提取出来。本发明的融合结果不仅提高了空间分辨率,同时具有较好的光谱保持能力,是一种行之有效的遥感图像融合方法。
附图说明
图1是本发明的原理示意图;
图2是本发明的流程图。
具体实施方式
下面结合附图和实施例对本发明进一步说明,本发明包括但不仅限于下述实施例。
本发明包括以下步骤:
第一步、上采样多光谱图像:
假设原始多光谱图像包含N个波段,记为MS1,MS2,…,MSN,通过双三次插值将N个波段图像上采样到和全色图像尺寸相同的图像,记为LRM1,LRM2,…,LRMN。
第二步、超球彩色变换(Hyperspherical Color Transform,HCT)
将上采样多光谱图像(LRM1,LRM2,…,LRMN)做超球彩色变换(参见文献ASPRS2010Annual Conference,San Diego,California,pp.26-30,April 2010),得到变换后的一个强度分量,记为I和N-1个角度分量,记为θ1,θ2,…,θN-1:
第三步、直方图匹配:
分别计算强度分量I与全色图像(记为PAN)的均值与方差,将I与全色图像PAN做直方图匹配得到匹配图像,记为MP:
式中μI与μP分别为强度分量I和全色图像PAN的均值,σI与σP分别为强度分量I和全色图像PAN的标准差。
第四步、结构保持滤波(Structure-Preserving Filtering):
结构保持滤波器原理参见ACM Transactions on Graphics,vol.32,no.6,pp.1-11,Nov.2013。
该步骤首先使用结构保持滤波器对强度分量I进行滤波,滤波输出图像记为SI,滤波参数分别记为r,k,σ,其中r是计算用的滑动窗口大小,该窗口自左上至右下遍历全图,k决定了计算区域协方差的窗口大小,而σ控制着滤波过程中的平滑程度,滤波参数的数值不固定,可人为设置;接下来使用结构保持滤波器对匹配图像MP进行两级滤波操作,其中第一级滤波输出图像记为S1,再将S1作为第二级滤波的输入,第二级滤波输出图像记为S2,这两级滤波操作使用的滤波参数物理含义相同,仅改变其数值,因此第一级的滤波参数分别记为r1,k1,σ1;第二级的滤波参数分别记为r2,k2,σ2。在本发明中,选取最优实验结果的参数取值作为最终的滤波参数值。记SPFr,k,σ(.)为结构保持滤波函数,公式如下:
SI=SPFr,k,σ(I) (3)
第五步、细节提取与注入:
分别计算I与MP对应的细节图像DI与DP:
DI=I-SI (6)
DP=MP-S2 (7)
接下来将细节图像DI与DP注入到匹配图像MP中,得到新强度分量,记为Inew:
Inew=MP+DI+DP (8)
第六步、超球彩色反变换(Inverse Hyperspherical Color Transform):
对新强度分量Inew与第二步中得到的N-1个角度分量(θ1,θ2,…,θN-1)作HCT反变换,得到N个波段的融合结果,记为HRM1,HRM2,…,HRMN:
实施例:采用真实GeoEye-1星载遥感多光谱和全色图像,多光谱图像包含四个波段(MS1-MS4),全色图像(PAN)为单波段。多光谱图像的空间分辨率为1.0米,大小为100行×100列。全色图像空间分辨率为0.5米,大小为400行×400列。实施本发明包括以下步骤:
第一步、上采样多光谱图像:
由于全色图像空间分辨率是多光谱图像空间分辨率的4倍,因此通过双三次插值分别将四个波段(MS1,MS2,MS3,MS4)放大到和全色图像尺寸相同的上采样图像(LRM1,LRM2,LRM3,LRM4)。
第二步、超球彩色变换(Hyperspherical Color Transform,HCT):
按照公式(10)对上采样图像(LRM1,LRM2,LRM3,LRM4)进行超球彩色变换,得到变换后的一个强度分量I与三个角度分量(θ1,θ2,θ3):
第三步、直方图匹配:
根据公式(2)将强度分量I与全色图像PAN做直方图匹配得到匹配图像MP。
第四步、结构保持滤波(Structure-Preserving Filtering):
设置强度分量I为结构保持滤波的输入图像,利用公式(3)对其进行结构保持滤波,其中r=10,k=7,σ=0.8,输出图像记为SI;设置图像MP为结构保持滤波的输入图像,利用公式(4)、(5)对MP做两级滤波操作,第一级滤波参数r1=10,k1=5,σ1=0.8,第二级滤波参数r2=20,k2=11,σ2=0.8,第一级输出图像记为S1,第二级输出图像记为S2。
第五步、细节提取与注入:
利用公式(6)和(7)分别计算I的细节图像DI与MP的细节图像DP。将细节图像DI与DP注入到匹配图像MP中,得到新强度分量,记为Inew:
Inew=MP+DI+DP (11)
第六步、超球彩色反变换(Inverse Hyperspherical Color Transform):
对新强度分量Inew与第二步中产生的三个角度分量(θ1,θ2,θ3)按照公式(12)进行超球彩色反变换,得到四个波段融合结果图像(HRM1,HRM2,HRM3,HRM4):
Claims (1)
1.一种利用结构保持滤波的遥感图像融合方法,其特征在于包括下述步骤:
第一步,对于包含N个波段MS1,MS2,…,MSN的原始多光谱图像,通过双三次插值将N个波段图像上采样到和全色图像PAN尺寸相同的图像LRM1,LRM2,…,LRMN;
第二步,将图像LRM1,LRM2,…,LRMN进行超球彩色变换,得到变换后的一个强度分量I和N-1个角度分量θ1,θ2,…,θN-1,
第三步,分别计算强度分量I与全色图像PAN的均值与方差,将强度分量I与全色图像PAN做直方图匹配得到匹配图像式中μI与μP分别为强度分量I和全色图像PAN的均值,σI与σP分别为强度分量I和全色图像PAN的标准差;
第四步,使用结构保持滤波器对强度分量I进行滤波,得到滤波输出图像SI,任滤波参数r、k、σ中,r是计算用的滑动窗口大小,该窗口自左上至右下遍历全图,k决定了计算区域协方差的窗口大小,σ控制着滤波过程中的平滑程度;使用结构保持滤波器对匹配图像MP进行两级滤波操作,其中第一级滤波输出图像记为S1,再将S1作为第二级滤波的输入,第二级滤波输出图像记为S2,第一级的滤波参数记为r1、k1、σ1;第二级的滤波参数记为r2、k2、σ2;记SPFr,k,σ(.)为结构保持滤波函数,SI=SPFr,k,σ(I),
第五步,分别计算I与MP对应的细节图像DI=I-SI与DP=MP-S2;将细节图像DI与DP注入到匹配图像MP中,得到新强度分量Inew=MP+DI+DP;
第六步,对新强度分量Inew和角度分量θ1,θ2,…,θN-1作超球彩色反变换,得到N个波段的融合结果HRM1,HRM2,…,HRMN,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810024764.2A CN108345899A (zh) | 2018-01-11 | 2018-01-11 | 一种利用结构保持滤波的遥感图像融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810024764.2A CN108345899A (zh) | 2018-01-11 | 2018-01-11 | 一种利用结构保持滤波的遥感图像融合方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108345899A true CN108345899A (zh) | 2018-07-31 |
Family
ID=62960448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810024764.2A Pending CN108345899A (zh) | 2018-01-11 | 2018-01-11 | 一种利用结构保持滤波的遥感图像融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108345899A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109523497A (zh) * | 2018-10-30 | 2019-03-26 | 中国资源卫星应用中心 | 一种光学遥感影像融合方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8374457B1 (en) * | 2008-12-08 | 2013-02-12 | Adobe Systems Incorporated | System and method for interactive image-noise separation |
CN105574829A (zh) * | 2016-01-13 | 2016-05-11 | 合肥工业大学 | 针对极化sar图像的自适应双边滤波算法 |
CN107220957A (zh) * | 2017-04-25 | 2017-09-29 | 西北工业大学 | 一种利用滚动导向滤波的遥感图像融合方法 |
-
2018
- 2018-01-11 CN CN201810024764.2A patent/CN108345899A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8374457B1 (en) * | 2008-12-08 | 2013-02-12 | Adobe Systems Incorporated | System and method for interactive image-noise separation |
CN105574829A (zh) * | 2016-01-13 | 2016-05-11 | 合肥工业大学 | 针对极化sar图像的自适应双边滤波算法 |
CN107220957A (zh) * | 2017-04-25 | 2017-09-29 | 西北工业大学 | 一种利用滚动导向滤波的遥感图像融合方法 |
Non-Patent Citations (3)
Title |
---|
LEVENT KARACAN 等: "Structure-Preserving Image Smoothing via Region Covariances", 《ACM TRANSACTIONS ON GRAPHICS》 * |
XU LI 等: "Hyperspherical Color Transform Based Pansharpening Method for WorldView-2 Satellite Images", 《2013 IEEE 8TH CONFERENCE ON INDUSTRIAL ELECTRONICS AND APPLICATIONS (ICIEA)》 * |
徐勇: "边缘结构保持型的图像滤波算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109523497A (zh) * | 2018-10-30 | 2019-03-26 | 中国资源卫星应用中心 | 一种光学遥感影像融合方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xie et al. | Structure tensor and guided filtering-based algorithm for hyperspectral anomaly detection | |
CN106251320B (zh) | 基于联合稀疏与结构字典的遥感图像融合方法 | |
CN112734646B (zh) | 一种基于特征通道划分的图像超分辨率重建方法 | |
Yang et al. | Review of pixel-level image fusion | |
CN107220957B (zh) | 一种利用滚动导向滤波的遥感图像融合方法 | |
CN102982517B (zh) | 基于光谱与空间局部相关的遥感影像融合方法 | |
CN103198463A (zh) | 基于整体结构和空间细节信息融合的光谱图像全色锐化方法 | |
CN101930604B (zh) | 基于低频相关性分析的全色图像与多光谱图像融合方法 | |
CN110415199A (zh) | 基于残差学习的多光谱遥感图像融合方法及装置 | |
CN112819737A (zh) | 基于3d卷积的多尺度注意力深度卷积网络的遥感图像融合方法 | |
CN105303542B (zh) | 基于梯度加权的自适应sfim图像融合算法 | |
Masi et al. | CNN-based pansharpening of multi-resolution remote-sensing images | |
CN109389560A (zh) | 一种自适应加权滤波图像降噪方法、装置及图像处理设备 | |
Jiang et al. | Learning spectral and spatial features based on generative adversarial network for hyperspectral image super-resolution | |
DE102019216979A1 (de) | Oberflächenrekonstruktion für interaktive augmented reality | |
Xiao et al. | Physics-based GAN with iterative refinement unit for hyperspectral and multispectral image fusion | |
CN107169946A (zh) | 基于非负稀疏矩阵与超球面彩色变换的图像融合方法 | |
Zhong et al. | Attention_FPNet: Two-branch remote sensing image pansharpening network based on attention feature fusion | |
Qu et al. | An interpretable unsupervised unrolling network for hyperspectral pansharpening | |
CN106204508A (zh) | 基于非负稀疏矩阵的WorldView‑2遥感全色与多光谱图像融合方法 | |
Wei et al. | Uhd underwater image enhancement via frequency-spatial domain aware network | |
Qiu et al. | Cross-sensor remote sensing imagery super-resolution via an edge-guided attention-based network | |
CN108345899A (zh) | 一种利用结构保持滤波的遥感图像融合方法 | |
CN108776958B (zh) | 混合降质图像的图像质量评价方法和装置 | |
CN108596843A (zh) | 一种基于亮通道的水下图像色彩恢复算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180731 |