CN108549902B - 一种改进的sar图像与多光谱光学图像融合方法 - Google Patents
一种改进的sar图像与多光谱光学图像融合方法 Download PDFInfo
- Publication number
- CN108549902B CN108549902B CN201810209500.4A CN201810209500A CN108549902B CN 108549902 B CN108549902 B CN 108549902B CN 201810209500 A CN201810209500 A CN 201810209500A CN 108549902 B CN108549902 B CN 108549902B
- Authority
- CN
- China
- Prior art keywords
- image
- haze value
- optical image
- haze
- sar
- 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.)
- Expired - Fee Related
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 44
- 238000001228 spectrum Methods 0.000 title claims abstract description 14
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 11
- 238000012952 Resampling Methods 0.000 claims abstract description 17
- 239000013598 vector Substances 0.000 claims description 18
- 238000004949 mass spectrometry Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 abstract description 8
- 238000007499 fusion processing Methods 0.000 description 4
- 239000002131 composite material Substances 0.000 description 3
- 235000009508 confectionery Nutrition 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种改进的SAR图像与多光谱光学图像融合方法,包括以下步骤:步骤1:将原始SAR图像和多光谱光学图像进行立方重采样得到相同图像大小的SAR图像和多光谱光学图像;步骤2:将重采样后的多光谱光学图像分解为n个波段,计算各波段中的雾霾值,将雾霾值从重采样后的多光谱光学图像中去除;步骤3:将步骤1中重采样得到的SAR图像与步骤2中去除雾霾后得到的多光谱光学图像进行初步融合,然后将步骤2中去除的雾霾值加入到初步融合的图像中;最大化的减少了雾霾对图像融合质量的影响,使得到的合成图像中既最大程度地保持了地物光谱的形状,又将地物光谱的强度替换为对应的SAR像元亮度,从而又尽可能地包含了丰富的地形、纹理信息。
Description
技术领域
本发明涉及遥感图像处理技术领域,具体来说,涉及一种改进的SAR图像与多光谱光学图像融合方法。
背景技术
遥感图像融合技术可以将不同分辨率、不同内容的图像融合在一起,得到包含两者内容的合成图像。常见的遥感图像融合是多光谱与全色波段的融合。得到的多光谱合成图像既包含原始多光谱图像的光谱信息,又包含高空间分辨率的全色图像的地物空间细节,因而具有更好的视觉效果和可解译性,在图像分类和地物识别中具有广泛的用途;在IHS和PCS融合方法中,假定了SAR图像与多光谱图像的亮度成分是高度相关的。但是这两种图像中的信息代表了地物不同的属性,信息之间的相关性并不强。用SAR替代图像的亮度成分就会带入过多的不相关信息,最终使合成图像中地物的光谱失真很明显,给后续处理带来难以消除的误差。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的上述技术问题,本发明提出一个新的融合方法(Haze-Intensity-and-Ratio,HIR)来融合SAR图像与多光谱光学图像,使得到的合成图像中既最大程度地保持了地物光谱的形状,又将地物光谱的强度替换为对应的SAR像元亮度,从而又尽可能地包含了丰富的地形、纹理信息。
本发明的技术方案是这样实现的:
一种改进的SAR图像与多光谱光学图像融合方法,包括以下步骤:
步骤1:将原始SAR图像和多光谱光学图像进行立方重采样得到相同图像大小的SAR图像和多光谱光学图像;
步骤2:将重采样后的多光谱光学图像分解为n个波段,计算各波段中的雾霾值,将雾霾值从重采样后的多光谱光学图像中去除;
步骤3:将步骤1中重采样得到的SAR图像与步骤2中去除雾霾后得到的多光谱光学图像进行初步融合,然后将步骤2中去除的雾霾值加入到初步融合的图像中。
其中,所述步骤2中计算各波段中的雾霾值包括:各个波段的雾霾值均采用波段最小值的方法来计算,通过数学统计计算方法分别得到各个波段的最小值,即为各个波段的雾霾值分别为:H1,H2,…,Hn,其中:Hn表示第n个波段的雾霾值。
其中,所述步骤2中将雾霾值从重采样后的多光谱光学图像中去除包括:
各个波段中利用波段减法分别去除本波段的雾霾值,即将本波段中每个像元值减去本波段中的雾霾值;
利用矢量长度计算方法将去除雾霾值后的各个波段合成得到去除雾霾后的多光谱光学图像,计算公式如下:
其中,所述步骤3中将步骤1中重采样得到的SAR图像与步骤2中去除雾霾后得到的多光谱光学图像进行初步融合,然后将步骤2中去除的雾霾值加入到初步融合的图像中,通过如下公式得到融合图像的像元MSf,
本发明的有益效果:在融合过程中,首先将雾霾从原始多光谱图像中剔除,减少其对图像融合过程的影响,待初步融合完成之后,再将雾霾值加回到合成图像中,最大化的减少了雾霾对图像融合质量的影响,使得到的合成图像中既最大程度地保持了地物光谱的形状,又将地物光谱的强度替换为对应的SAR像元亮度,从而又尽可能地包含了丰富的地形、纹理信息。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的新疆甜水海南部的来贺山地区的S2多光谱图像;
图2是根据本发明实施例新疆甜水海南部的来贺山地区的的哨兵1号雷达图像;
图3是根据本发明实施例一种改进的SAR图像与多光谱光学图像融合方法融合的图像;
图4是根据本发明实施例PCS方法融合的图像。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
根据本发明的实施例,提供了一种改进的SAR图像与多光谱光学图像融合方法。
如图1-4所示,根据本发明实施例的一种改进的SAR图像与多光谱光学图像融合方法,包括以下步骤:
步骤1:将原始SAR图像和多光谱光学图像进行立方重采样得到相同图像大小的SAR图像和多光谱光学图像;
步骤2:将重采样后的多光谱光学图像分解为n个波段,计算各波段中的雾霾值,将雾霾值从重采样后的多光谱光学图像中去除;
步骤3:将步骤1中重采样得到的SAR图像与步骤2中去除雾霾后得到的多光谱光学图像进行初步融合,然后将步骤2中去除的雾霾值加入到初步融合的图像中。
所述步骤2中计算各波段中的雾霾值包括:各个波段的雾霾值均采用波段最小值的方法来计算,通过数学统计计算方法分别得到各个波段的最小值,即为各个波段的雾霾值分别为:H1,H2,…,Hn,其中:Hn表示第n个波段的雾霾值。
所述步骤2中将雾霾值从重采样后的多光谱光学图像中去除包括:
各个波段中利用波段减法分别去除本波段的雾霾值,即将本波段中每个像元值减去本波段中的雾霾值;
利用矢量长度计算方法将去除雾霾值后的各个波段合成得到去除雾霾后的多光谱光学图像,计算公式如下:
所述步骤3中将步骤1中重采样得到的SAR图像与步骤2中去除雾霾后得到的多光谱光学图像进行初步融合,然后将步骤2中去除的雾霾值加入到初步融合的图像中,通过如下公式得到融合图像的像元MSf,
为了更好的了解本发明上述技术方案的性能,以下通过对比试验(选取目前常用PCS方法与本发明方法进行性能对比),对本发明的上述技术方案进行详细说明;实验数据为地势较平坦,构造信息受覆盖层遮掩,在光学图像中显示不明显的新疆甜水海南部的来贺山地区的S2多光谱图像(如图1)和哨兵1号雷达图像(如图2);其中S2多光谱图像由波段2、8、12红绿蓝假彩色合成,线性拉伸。
如图3所示,为本发明HIR方法得到的融合图像,构造信息显著增强,研究区的构造与岩性的空间耦合关系可以更好地表现了出来,如图4所示,为PCS方法得到的融合图像,PCS融合图像虽然较好地保留了雷达图像中地质构造信息,但图像中地物的色调与原始S2多光谱图像有显著的区别;与之相反,本发明HIR方法合成图像既包含了丰富的纹理信息,又有效地保留了原始S2多光谱图像中的光谱信息。
由此可见,借助于本发明的上述技术方案,在融合过程中,首先将雾霾从原始多光谱图像中剔除,减少其对图像融合过程的影响,待初步融合完成之后,再将雾霾值加回到合成图像中,最大化的减少了雾霾对图像融合质量的影响,使得到的合成图像中既最大程度地保持了地物光谱的形状,又将地物光谱的强度替换为对应的SAR像元亮度,从而又尽可能地包含了丰富的地形、纹理信息。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种改进的SAR图像与多光谱光学图像融合方法,其特征在于,包括以下步骤:
步骤1:将原始SAR图像和多光谱光学图像进行立方重采样得到相同图像大小的SAR图像和多光谱光学图像;
步骤2:将重采样后的多光谱光学图像分解为n个波段,计算各波段中的雾霾值,将雾霾值从重采样后的多光谱光学图像中去除;
步骤3:将步骤1中重采样得到的SAR图像与步骤2中去除雾霾后得到的多光谱光学图像进行初步融合,然后将步骤2中去除的雾霾值加入到初步融合的图像中;
所述步骤2中计算各波段中的雾霾值包括:各个波段的雾霾值均采用波段最小值的方法来计算,通过数学统计计算方法分别得到各个波段的最小值,即为各个波段的雾霾值分别为:H1,H2,…,Hn,其中:Hn表示第n个波段的雾霾值;
所述步骤2中将雾霾值从重采样后的多光谱光学图像中去除包括:
各个波段中利用波段减法分别去除本波段的雾霾值,即将本波段中每个像元值减去本波段中的雾霾值;
利用矢量长度计算方法将去除雾霾值后的各个波段合成得到去除雾霾后的多光谱光学图像,计算公式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810209500.4A CN108549902B (zh) | 2018-03-14 | 2018-03-14 | 一种改进的sar图像与多光谱光学图像融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810209500.4A CN108549902B (zh) | 2018-03-14 | 2018-03-14 | 一种改进的sar图像与多光谱光学图像融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108549902A CN108549902A (zh) | 2018-09-18 |
CN108549902B true CN108549902B (zh) | 2022-08-16 |
Family
ID=63516233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810209500.4A Expired - Fee Related CN108549902B (zh) | 2018-03-14 | 2018-03-14 | 一种改进的sar图像与多光谱光学图像融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108549902B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886904B (zh) * | 2019-01-25 | 2021-08-10 | 北京市遥感信息研究所 | 一种sar图像与低分辨率多光谱图像融合方法及系统 |
CN113538306B (zh) * | 2021-06-15 | 2024-02-13 | 西安电子科技大学 | 一种sar图像与低分辨率光学图像多图融合方法 |
CN113567357B (zh) * | 2021-07-26 | 2024-05-24 | 杭州海康威视数字技术股份有限公司 | 一种光谱数据的融合方法、以及装置 |
CN115615938B (zh) * | 2022-12-14 | 2023-03-28 | 天津中科谱光信息技术有限公司 | 基于反射光谱的水体水质分析方法、装置、电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103325096A (zh) * | 2013-06-25 | 2013-09-25 | 中国科学院遥感与数字地球研究所 | 基于多/高光谱图像融合的宽幅高光谱图像重构方法 |
CN106251368A (zh) * | 2016-06-12 | 2016-12-21 | 中国科学院遥感与数字地球研究所 | 基于bemd的sar影像与多光谱影像的融合方法 |
CN106327455A (zh) * | 2016-08-18 | 2017-01-11 | 中国科学院遥感与数字地球研究所 | 一种改进的遥感多光谱与全色图像融合方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7340099B2 (en) * | 2003-01-17 | 2008-03-04 | University Of New Brunswick | System and method for image fusion |
-
2018
- 2018-03-14 CN CN201810209500.4A patent/CN108549902B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103325096A (zh) * | 2013-06-25 | 2013-09-25 | 中国科学院遥感与数字地球研究所 | 基于多/高光谱图像融合的宽幅高光谱图像重构方法 |
CN106251368A (zh) * | 2016-06-12 | 2016-12-21 | 中国科学院遥感与数字地球研究所 | 基于bemd的sar影像与多光谱影像的融合方法 |
CN106327455A (zh) * | 2016-08-18 | 2017-01-11 | 中国科学院遥感与数字地球研究所 | 一种改进的遥感多光谱与全色图像融合方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108549902A (zh) | 2018-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108549902B (zh) | 一种改进的sar图像与多光谱光学图像融合方法 | |
CN110660088B (zh) | 一种图像处理的方法和设备 | |
KR100944462B1 (ko) | 위성 영상 융합 방법 및 시스템 | |
Tu et al. | A fast intensity-hue-saturation fusion technique with spectral adjustment for IKONOS imagery | |
KR101291219B1 (ko) | 전정색영상과 다분광영상의 융합 방법 및 그 장치 | |
US20120287286A1 (en) | Image processing device, image processing method, and program | |
CN109447922B (zh) | 一种改进的ihs变换遥感影像融合方法及系统 | |
US20150332434A1 (en) | Demosaicking System and Method for Color array Based Multi-Spectral Sensors | |
CN108961325A (zh) | 多/高光谱遥感图像波段间配准方法 | |
Wang et al. | Median filtering in multispectral filter array demosaicking | |
Long et al. | Dual self-attention Swin transformer for hyperspectral image super-resolution | |
CN110580684A (zh) | 一种基于黑白-彩色双目相机的图像增强方法 | |
CN112528914A (zh) | 一种细节信息逐步融入的卫星影像全色增强方法 | |
KR20210096925A (ko) | 대용량 항공정사영상의 효율적인 색상보정 방법 | |
Wu et al. | Pansharpening using unsupervised generative adversarial networks with recursive mixed-scale feature fusion | |
CN106875370B (zh) | 一种全色图像和多光谱图像的融合方法及装置 | |
CN111340743A (zh) | 一种半监督多光谱和全色遥感图像融合方法和系统 | |
CN111563866A (zh) | 一种多源遥感图像融合方法 | |
CN109859153B (zh) | 一种基于自适应光谱-空间梯度稀疏正则化的多光谱图像融合方法 | |
CN113706387A (zh) | 一种适合低山丘陵地区农作物提取遥感底图的获取方法 | |
CN109544495B (zh) | 一种基于高斯滤波和比值变换的SoC芯片图像处理融合方法 | |
CN105023261B (zh) | 基于agihs及低通滤波器的遥感图像融合方法 | |
Laha et al. | Near-infrared depth-independent image dehazing using haar wavelets | |
CN111091113A (zh) | 一种高光谱影像数据融合方法 | |
CN111161196A (zh) | 一种输电线路航拍图像自适应增强方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220816 |
|
CF01 | Termination of patent right due to non-payment of annual fee |