CN109001734A - 一种干涉sar复图像和光学图像的融合方法 - Google Patents

Abstract

本发明公开了一种干涉SAR复图像和光学图像的融合方法，所述方法包括：步骤1)读入待融合的干涉SAR复图像对以及光学图像I_OPT；步骤2)计算读入的光学图像I_OPT的色度分量H；步骤3)对读入的干涉SAR复图像对进行相干处理获得数字高程模型I_DEM，对I_DEM进行归一化调整获得饱和度分量S；步骤4)对读入的SAR图像I_SARm进行非相干处理和对数归一化获得强度分量I；步骤5)将步骤2)得到的色度分量H、步骤3)得到的饱和度S以及步骤4)得到的强度分量I进行组合，构建融合图像I_FUSE的HSI模型，并将之转换为RGB模型输出。本发明的方法效果显著，操作简单，不需要人为介入和干预。

Description

一种干涉SAR复图像和光学图像的融合方法

技术领域

本发明涉及多源图像融合方法，特别涉及一种干涉SAR复图像和光学图像的融合方法。

背景技术

干涉SAR致力于通过在两个不同成像几何下测量目标的散射回波以计算干涉相位来反演场景的几何信息(文献[1]：R.F.Hanssen.Radar interferometry：Datainterpretation and error analysis.Dordrecht，The Netherlands：Kluwer AcademicPublishers，2012)。不同于传统SAR，干涉SAR通常获取到的是目标的一对复SAR图像。其不仅具有传统SAR图像所具备的独特纹理信息，通过干涉处理，其进一步可提供反映目标三维起伏的数字高程模型(Digital Elevation Model，DEM)。这些纹理和DEM信息恰与光学相机图像所提供的色彩信息形成互补，为实现对目标的完整认识，一个必然的步骤就是将干涉SAR复图像与光学图像进行融合以兼容其各自的优势。

到目前为止，学者们虽已提出各种融合SAR图像和光学图像的方法，然而这些方法都无法直接适用于对干涉SAR复图像和光学图像的融合问题，其主要原因在于干涉SAR复图像还额外提供了目标的DEM信息，尚没有融合DEM、SAR图像和光学图像的有效方法。

发明内容

本发明的目的在于解决上述技术难题，提供了一种干涉SAR复图像和光学图像融合方法，基于HSI模型，将光学图像的色彩信息、干涉SAR图像提供的DEM信息和纹理信息分别对应于融合图像的色度、饱和度和强度三个独立分量，通过HSI模型将三者实现自适应结合，实现对干涉SAR复图像和光学图像的自适应融合。

为了实现上述目的，本发明提供了一种干涉SAR复图像和光学图像的融合方法，所述方法包括：

步骤1)读入待融合的干涉SAR复图像对以及光学图像I_OPT；

步骤2)计算读入的光学图像I_OPT的色度分量H；

步骤3)对读入的干涉SAR复图像对进行相干处理获得数字高程模型I_DEM，对I_DEM进行归一化调整获得饱和度分量S；

步骤4)对读入的SAR图像I_SARm进行非相干处理和对数归一化获得强度分量I；

步骤5)将步骤2)得到的色度分量H、步骤3)得到的饱和度S以及步骤4)得到的强度分量I进行组合，构建融合图像I_FUSE的HSI模型，并将之转换为RGB模型输出。

作为上述方法的一种改进，所述步骤2)具体为：若R、G、B分别代表光学图像I_OPT的红、绿、蓝三色分量，且参数M和m分别表示R、G、B三者的最大值和最小值：

则色度分量H的计算如下：

式中，mod(·，·)表示求余函数。

作为上述方法的一种改进，所述步骤3)具体包括：

步骤3-1)由图像I_SARm和I_SARs间的干涉相位计算反映目标三维起伏的数字高程模型I_DEM；

步骤3-2)对数字高程模型I_DEM进行归一化获得

式中，max(I_DEM)和min(I_DEM)分别表示I_DEM的最大值和最小值；

步骤3-3)对进行调整获得饱和度分量S：

作为上述方法的一种改进，所述步骤4)具体为：

对读入的SAR图像I_SARm进行非相干处理得到幅值|I_SARm|，然后对其按照下式进行对数归一化以计算强度分量I：

作为上述方法的一种改进，所述步骤5)具体包括：

步骤5-1)融合图像I_FUSE的HIS模型I_FUSE的构建如下：

I_FUSE＝[H，S，I]

步骤5-2)将构建的HIS模型I_FUSE转换为RGB模型则最终输出的融合结果为：

式中，hsi2rgb(·)表示图像模型由HSI转换为RGB操作。

本发明的优点在于：

本发明的干涉SAR复图像和光学图像融合方法通过HSI模型，实现了对干涉SAR复图像的DEM和纹理信息与光学图像的色彩信息的自适应结合，该方法效果显著，操作简单，不需要人为介入和干预。

附图说明

图1是本发明的干涉SAR复图像和光学图像的融合方法的总体流程图；

图2是本发明的一种干涉SAR复图像和光学图像的融合方法的具体流程图；

图3(a)是一个实施例中所采用的待融合干涉SAR复图像对的log₁₀|I_SARm|信息示意图；

图3(b)是一个实施例中所采用的待融合干涉SAR复图像对的I_DEM信息示意图；

图3(c)是一个实施例中所采用的光学图像I_OPT示意图；

图4是实施例中光学图像I_OPT的色度分量H示意图；

图5是实施例中干涉SAR复图像对的相干I_DEM信息经归一化调整后得到的饱和度分量S示意图；

图6是实施例中干涉SAR复图像对的对数非相干幅度log₁₀|I_SARm|经归一化后得到的强度分量I示意图；

图7是实施例中干涉SAR复图像对和光学图像I_OPT后经本发明的方法做融合后的结果I_FUSE示意图。

具体实施方式

现结合附图对本发明作进一步的描述。

参考图1和图2，本发明提出的一种干涉SAR复图像和光学图像的融合方法，包括以下步骤：

步骤1)、读入待融合的干涉SAR复图像对以及光学图像I_OPT；

步骤2)、对步骤1)读入的光学图像I_OPT计算其色度分量H；

步骤3)、对步骤1)读入的干涉SAR复图像对进行相干处理获得数字高程模型I_DEM，对I_DEM进行归一化调整获得饱和度分量S；

步骤4)、对步骤1)读入的SAR图像I_SARm进行非相干处理和对数归一化获得强度分量I；

步骤5)、将步骤2)得到的色度H、步骤3)得到的饱和度S以及步骤4)得到的强度I相组合，构建融合图像I_FUSE的HSI模型，并将之转换为RGB模型输出。

下面对本发明方法中的步骤做进一步描述。

在步骤1)中，读入待融合的干涉SAR复图像对和光学图像I_OPT。由于复图像对具备的幅度和相位两个独立信息分别对应于幅值|I_SARm|和目标数字高程模型I_DEM，故可直接用|I_SARm|和I_DEM表征考虑到SAR图像动态范围较大，故为便于显示和融合，需对|I_SARm|进行对数操作获得log₁₀|I_SARm|。在一个实施例中，干涉SAR图像对的log₁₀|I_SARm|和I_DEM信息如图3(a)和图3(b)所示，其由搭载于天宫二号空间实验室的三维成像雷达高度计(InIRA)2016年12月26日获取于湖北省武汉市，图像尺度为694×1658。图3(c)为该地区对应的光学图像I_OPT，由Google Earth卫星获取于2016年12月26日，其图像尺度也为694×1658。通过对干涉SAR图像进行三维定位，我们可将log₁₀|I_SARm|和I_DEM精确投影至Google Earth，实现了SAR图像和光学图像的几何配准。武汉位于汉江和长江的交汇处，因此具有大量的湖泊和沼泽，图3(a)、图3(b)和图3(c)中的河流即是长江。不同于传统SAR成像，InIRA采用小视角成像几何，此时水面散射呈现为镜面散射，这使得图3(a)中水体散射非常强烈，从而为内陆水提供了一个非常好的观测平台。从图3(c)的光学图像中我们也可看到长江，但一些湖泊和沼泽却无法如图3(a)那样得以清晰区分。尽管如此，光学图像特有的色彩信息使图3(c)中一些建筑物特征比图3(a)明显，因为InIRA SAR增强了的水体散射使建筑物的散射相对变暗。而图3(b)中的I_DEM刻画了成像区域的三维地形起伏，进一步提供了目标的几何特征，其与log₁₀|I_SARm|和I_OPT一道提供了关于目标的三种不同但互补的刻画，为了获得对目标的完整认识，有必要将三者进行融合。

对步骤1)读入的光学图像I_OPT，在步骤2)中，计算其色度分量H。若R、G、B分别代表光学图像I_OPT的红、绿、蓝三色分量，且参数M和m分别表示R、G、B三者的最大值和最小值：

则色度分量H的计算如下：

式中，mod(·，·)表示求余函数。对于该实施例，我们获得的色度分量H如图4所示。

对步骤1)读入的干涉SAR复图像对在步骤3)中，按照标准干涉SAR处理流程对进行相干处理获得数字高程模型I_DEM，对其归一化获得

式中，max(I_DEM)和min(I_DEM)分别表示I_DEM的最大值和最小值。对进行调整获得饱和度分量S：

对于该实施例，我们获得的饱和度分量S如图5所示。

对步骤1)读入的SAR图像I_SARm，在步骤4)中，非相干处理获得复图像I_SARm的幅值|I_SARm|，然后对其按照下式进行对数归一化以计算强度分量I：

对于该实施例，我们获得的强度分量I如图6示。

对将步骤2)得到的色度H、步骤3)得到的饱和度S和步骤4)得到的强度I，在步骤5)中，融合图像I_FUSE的HSI型的构建如下：

I_FUSE：＝[H，S，I]

最终输出的融合结果为：

I_FUSE＝hsi2rgb([H，S，I])

式中，hsi2rgb(·)表示图像模型由HSI转换为RGB操作。

图7展示了在该实施例中最终获得的融合图像I_FUSE。正如我们所期待的，I_FUSE不仅包含了干涉SAR图像的DEM和纹理信息，还包含了光学图像的色彩信息。基于纹理信息，融合图像将光学图像中模糊不清的水体区域有效识别了出来；基于色彩信息，融合图像将SAR图像中暗淡难分的建筑物区域区分了出来；而DEM信息的进一步引入使得融合图像的色彩在饱和度上得到完美升华，使得该方法的融合效果在视觉上远胜于传统SAR图像和光学图像融合方法，起到了1+1+1>3的效果。这些最终使得对内陆水和建筑物的精确提取和区分成为可能，展现出了本发明方法优异的图像融合性能。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种干涉SAR复图像和光学图像的融合方法，包括：

步骤1)读入待融合的干涉SAR复图像对以及光学图像I_OPT；

步骤2)计算读入的光学图像I_OPT的色度分量H；

步骤3)对读入的干涉SAR复图像对进行相干处理获得数字高程模型I_DEM，对I_DEM进行归一化调整获得饱和度分量S；

步骤4)对读入的SAR图像I_SARm进行非相干处理和对数归一化获得强度分量I；

步骤5)将步骤2)得到的色度分量H、步骤3)得到的饱和度S以及步骤4)得到的强度分量I进行组合，构建融合图像I_FUSE的HSI模型，并将之转换为RGB模型输出。

2.根据权利要求1所述的干涉SAR复图像和光学图像的融合方法，其特征在于，所述步骤2)具体为：若R、G、B分别代表光学图像I_OPT的红、绿、蓝三色分量，且参数M和m分别表示R、G、B三者的最大值和最小值：

则色度分量H的计算如下：

式中，mod(·，·)表示求余函数。

3.根据权利要求2所述的干涉SAR复图像和光学图像的融合方法，其特征在于，所述步骤3)具体包括：

步骤3-1)由图像I_SARm和I_SARs间的干涉相位计算反映目标三维起伏的数字高程模型I_DEM；

步骤3-2)对数字高程模型I_DEM进行归一化获得

式中，max(I_DEM)和min(I_DEM)分别表示I_DEM的最大值和最小值；

步骤3-3)对进行调整获得饱和度分量S：

4.根据权利要求3所述的干涉SAR复图像和光学图像的融合方法，其特征在于，所述步骤4)具体为：

对读入的SAR图像I_SARm进行非相干处理得到幅值|I_SARm|，然后对其按照下式进行对数归一化以计算强度分量I：

5.根据权利要求4所述的干涉SAR复图像和光学图像融合方法，其特征在于，所述步骤5)具体包括：

步骤5-1)融合图像I_FUSE的HIS模型I_FUSE的构建如下：

I_FUSE＝[H，S，I]

步骤5-2)将构建的HIS模型I_FUSE转换为RGB模型则最终输出的融合结果为：

式中，hsi2rgb(·)表示图像模型由HSI转换为RGB操作。