CN109523497A - 一种光学遥感影像融合方法 - Google Patents

一种光学遥感影像融合方法 Download PDF

Info

Publication number
CN109523497A
CN109523497A CN201811279416.6A CN201811279416A CN109523497A CN 109523497 A CN109523497 A CN 109523497A CN 201811279416 A CN201811279416 A CN 201811279416A CN 109523497 A CN109523497 A CN 109523497A
Authority
CN
China
Prior art keywords
image
panchromatic
multispectral
resampling
column
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
Application number
CN201811279416.6A
Other languages
English (en)
Inventor
兰穹穹
李忠勇
万伟
刁亚南
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Center for Resource Satellite Data and Applications CRESDA
Original Assignee
China Center for Resource Satellite Data and Applications CRESDA
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Center for Resource Satellite Data and Applications CRESDA filed Critical China Center for Resource Satellite Data and Applications CRESDA
Priority to CN201811279416.6A priority Critical patent/CN109523497A/zh
Publication of CN109523497A publication Critical patent/CN109523497A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • G06T5/73—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10036—Multispectral image; Hyperspectral image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明一种光学遥感影像融合方法。针对同一载荷多光谱影像和全色影像进行设计。首先，将多光谱影像数据重采样到和全色影像数据具有一致的行列数；其次，分别计算出全色影像和重采样后的多光谱影像的每一列的均值和方差；第三，基于重采样后的多光谱影像，根据计算出的均值和方差，将全色影像的灰度值归一化到多光谱影像上；第四，利用归一化后的全色影像对重采样后的多光谱影像进行锐化处理，得到最终融合影像。本融合算法在处理过程中，相比于其他融合算法，在保留了全色影像的纹理信息的同时，更多地保留了多光谱影像的对比度信息和光谱信息。

Description

一种光学遥感影像融合方法
技术领域
本发明涉及一种光学遥感影像融合方法，属于遥感卫星影像融合领域，适用于线阵推扫式光学CCD遥感相机。
背景技术
随着我国航天技术的发展，遥感卫星进入高密度发射阶段，推动了遥感应用的发展。遥感影像的几何分辨率是遥感应用效果的一项重要影响因素，在卫星遥感载荷波段和分辨率已知的前提下，可以通过影像融合的方法提高卫星影像的几何分辨率。
表征遥感影像融合效果的两个主要因素是空间分辨率的提高和光谱保真度。目前主要的融合方法，主要针对这两个方面的因素设计的，但考虑因素各有侧重。鲜见能够将两种因素都兼顾得较好的方法。此外，目前主要的融合方法不能够很好地保留图像的对比度信息，融合后的图像灰度分布与融合前的多光谱图像在纹理和对比度上反差较大，且耗时较多。
发明内容
本发明解决的技术问题是：克服现有技术的不足，提供一种光学遥感影像融合方法，利用全色波段影像的高频纹理信息对多光谱影像进行锐化处理，同时在融合过程中加入多光谱影像的均值方差参数，从而在提高多光谱数据的几何分辨率的同时能够保证融合前后影像对比度和光谱的一致性。
本发明的技术方案是：一种光学遥感影像融合方法，步骤如下：
(1)将光学遥感器采集得到的多光谱影像分辨率利用最近邻方法重采样到全色影像的分辨率；
(2)针对重采样后的多光谱影像，计算得到影像每一列灰度值的均值和方差；针对全色影像，计算得到影像每一列灰度值的均值和方差；
(3)将全色影像的每一列数据的灰度值归一化到对应的重采样后的多光谱数据列上，得到归一化后的全色影像数据；
(4)利用归一化后的全色影像数据对多光谱数据进行锐化处理。
所述步骤(1)中利用最近邻方法重采样到全色影像的分辨率。
所述步骤(1)中利用最近邻方法重采样到全色影像的分辨率，使得重采样后的多光谱影像和全色影像具有相同的行列数。
所述步骤(3)得到的归一化后的全色影像数据
其中，X、Y分别是全色影像某一列像的归一化之前和之后的灰度值，μpan，σpan分别是全色影像某一列图像的均值和方差，μmux，σmux分别是重采样后的多光谱影像某一列图像的均值和方差。
所述步骤(4)进行锐化处理的具体方法如下：
其中，i为多光谱影像的波段号，DNi为重采样后多光谱影像第i波段图像灰度值，n为多光谱影像波段数量，DNpan为灰度归一化后的全色波段的灰度值，DNisharpened为多光谱影像第i波段融合后的灰度值。
本发明与现有技术相比的优点在于：
(1)通过将多光谱影像均值方差参数加入到融合算法中，可以实现融合后影像的辐射一致性，保证融合前后影像的对比度不变；
(2)可以实现融合前后影像的光谱曲线的一致性。
附图说明
图1为本发明方法示意图；
图2为高景一号卫星一级数据处理示意图；
图3为高景卫星影像示例图。
具体实施方式
本发明方法流程如图1所示，以高景一号卫星一级数据处理为例(如图2)，阐述该发明。高景一号卫星多光谱影像具有4个波段，记为B1、B2、B3、B4，全色影像记为Bpan。其中多光谱影像每个波段大小均为2721列，2459行；全色影像大小为10874列，9836行。
第一步:
将光学遥感器采集得到的多光谱影像分辨率利用最近邻方法重采样到全色影像的分辨率，即：使得重采样后的多光谱影像和全色影像具有相同的行列数；
针对高景卫星影像示例，分别利用最近邻方法将高景一号卫星多光谱影像B1、B2、B3、B4四个波段分辨率重采样到与全色波段影像Bpan一致，即将多光谱影像四个波段均重采样成10874列，9836行。
第二步：
针对重采样后的多光谱影像，计算出影像每一列灰度值的均值和方差(μmux，σmux)；针对全色影像，计算出影像每一列灰度值的均值和方差(μpan，σpan)；
针对高景卫星影像示例，计算出多光谱影像每一个波段每一列的方差和均值；
第三步：
将全色影像的每一列数据的灰度值归一化到对应的重采样后的多光谱数据列上，得到归一化后的全色影像数据：
针对高景卫星影像示例，如图3所示：
假设全色影像上第i列，第j行的像元灰度值为X,则根据行列号，找到重采样后的多光谱数据对应的第i列像元；全色影像第i列的均值和方差为μpan，σpan，重采样后的多光谱影像的第i列的均值和方差为μmux，σmux，根据公式(1)，计算出融合后的数据的第i列，j行像元灰度值Y为：
如此，则生成四幅归一化后的全色影像Bpan1，Bpan2，Bpan3，Bpan4；
第四步:
利用归一化后的全色影像数据对多光谱数据进行锐化处理。
针对高景卫星影像示例，利用公式(2)，将多光谱影像的四个波段数据，与归一化后的全色影像Bpan1，Bpan2，Bpan3，Bpan4进行融合处理。
第五步：
采用信息熵、清晰度两个指标对融合结果进行评价。评价结果如下表所示：
表1.融合结果统计
波段 信息熵 清晰度 偏差指数
融合后R(B1) 6.343 8.534 0.209
融合后G(B2) 5.818 8.423 0.187
融合后B(B3) 5.376 8.275 0.192
融合后NR(B4) 4.262 8.193 0.218
融合前R 6.012 8.348
融合前G 5.902 8.091
融合前B 5.423 7.892
融合前NR 4.981 7.127
由表可以看出，本发明的融合算法在很好地保留了图像的光谱信息的同时，融合影像获得了较高的清晰度和信息熵，能够使得图像具有较高的解译能力。
本发明未详细说明部分属本领域技术人员公知常识。

Claims (5)

1.一种光学遥感影像融合方法，其特征在于步骤如下：
(1)将光学遥感器采集得到的多光谱影像分辨率重采样到全色影像的分辨率；
(2)针对重采样后的多光谱影像，计算得到影像每一列灰度值的均值和方差；针对全色影像，计算得到影像每一列灰度值的均值和方差；
(3)将全色影像的每一列数据的灰度值归一化到对应的重采样后的多光谱数据列上，得到归一化后的全色影像数据；
(4)利用归一化后的全色影像数据对多光谱数据进行锐化处理。
2.根据权利要求1所述的一种光学遥感影像融合方法，其特征在于：所述步骤(1)中利用最近邻方法重采样到全色影像的分辨率。
3.根据权利要求1或2所述的一种光学遥感影像融合方法，其特征在于：所述步骤(1)中利用最近邻方法重采样到全色影像的分辨率，使得重采样后的多光谱影像和全色影像具有相同的行列数。
4.根据权利要求3所述的一种光学遥感影像融合方法，其特征在于：所述步骤(3)得到的归一化后的全色影像数据
其中，X、Y分别是全色影像某一列像的归一化之前和之后的灰度值，μpan，σpan分别是全色影像某一列图像的均值和方差，μmux，σmux分别是重采样后的多光谱影像某一列图像的均值和方差。
5.根据权利要求4所述的一种光学遥感影像融合方法，其特征在于：所述步骤(4)进行锐化处理的具体方法如下：
其中，i为多光谱影像的波段号，DNi为重采样后多光谱影像第i波段图像灰度值，n为多光谱影像波段数量，DNpan为灰度归一化后的全色波段的灰度值，DNisharpened为多光谱影像第i波段融合后的灰度值。
CN201811279416.6A 2018-10-30 2018-10-30 一种光学遥感影像融合方法 Pending CN109523497A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811279416.6A CN109523497A (zh) 2018-10-30 2018-10-30 一种光学遥感影像融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811279416.6A CN109523497A (zh) 2018-10-30 2018-10-30 一种光学遥感影像融合方法

Publications (1)

Publication Number Publication Date
CN109523497A true CN109523497A (zh) 2019-03-26

Family

ID=65772697

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811279416.6A Pending CN109523497A (zh) 2018-10-30 2018-10-30 一种光学遥感影像融合方法

Country Status (1)

Country Link
CN (1) CN109523497A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1472544A (zh) * 2003-06-05 2004-02-04 上海交通大学 遥感影像像素与特征联合最优融合方法
WO2006113583A2 (en) * 2005-04-15 2006-10-26 Mississippi State University Remote sensing imagery accuracy analysis method and apparatus
CN102034229A (zh) * 2010-11-03 2011-04-27 中国科学院长春光学精密机械与物理研究所 高分辨多光谱空间光学遥感器的实时图像融合方法
EP2479725A2 (de) * 2011-01-20 2012-07-25 DLR Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren zur rechnergestützten Verarbeitung digitalisierter Bilder
CN112166692B (zh) * 2012-06-29 2014-07-30 二十一世纪空间技术应用股份有限公司 一种遥感图像交叉融合方法
CN104851077A (zh) * 2015-06-03 2015-08-19 四川大学 一种自适应的遥感图像全色锐化方法
US20170084008A1 (en) * 2015-09-17 2017-03-23 Raytheon Company Systems and methods for sharpening multi-spectral imagery
CN107545554A (zh) * 2017-04-25 2018-01-05 西北工业大学 一种基于导向滤波的两级遥感图像融合方法
CN108345899A (zh) * 2018-01-11 2018-07-31 西北工业大学 一种利用结构保持滤波的遥感图像融合方法
CN108416784A (zh) * 2018-02-06 2018-08-17 石家庄铁道大学 城市建成区边界快速提取方法、装置及终端设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1472544A (zh) * 2003-06-05 2004-02-04 上海交通大学 遥感影像像素与特征联合最优融合方法
WO2006113583A2 (en) * 2005-04-15 2006-10-26 Mississippi State University Remote sensing imagery accuracy analysis method and apparatus
CN102034229A (zh) * 2010-11-03 2011-04-27 中国科学院长春光学精密机械与物理研究所 高分辨多光谱空间光学遥感器的实时图像融合方法
EP2479725A2 (de) * 2011-01-20 2012-07-25 DLR Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren zur rechnergestützten Verarbeitung digitalisierter Bilder
CN112166692B (zh) * 2012-06-29 2014-07-30 二十一世纪空间技术应用股份有限公司 一种遥感图像交叉融合方法
CN104851077A (zh) * 2015-06-03 2015-08-19 四川大学 一种自适应的遥感图像全色锐化方法
US20170084008A1 (en) * 2015-09-17 2017-03-23 Raytheon Company Systems and methods for sharpening multi-spectral imagery
CN107545554A (zh) * 2017-04-25 2018-01-05 西北工业大学 一种基于导向滤波的两级遥感图像融合方法
CN108345899A (zh) * 2018-01-11 2018-07-31 西北工业大学 一种利用结构保持滤波的遥感图像融合方法
CN108416784A (zh) * 2018-02-06 2018-08-17 石家庄铁道大学 城市建成区边界快速提取方法、装置及终端设备

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
JINLIANG WANG: "An Experimental Research on Fusion Algorithms of ETM+ Image", 《2010 18TH INTERNATIONAL CONFERENCE ON GEOINFORMATICS》 *
WEN-YI LIU: "Comparison of Fusion Algorithms for ALOS Panchromatic and Multi-spectral Images", 《2008 FIFTH INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS AND KNOWLEDGE DISCOVERY》 *
XIAO-YAN WANG: "An adaptive fusion method based on regional feature for ALOS image", 《2010 INTERNATIONAL CONFERENCE ON WAVELET ANALYSIS AND PATTERN RECOGNITION》 *
周会珍: "多卫星传感器数据的Brovey融合改进方法", 《遥感学报》 *
李霖: "ZY-3卫星全色与多光谱影像融合方法比较", 《万方数据知识服务平台》 *
黄祚继: "《多源遥感数据目标地物的分类与优化》", 31 May 2017, 中国科学技术大学出版社 *

Similar Documents

Publication Publication Date Title
Wang et al. Adaptive image enhancement method for correcting low-illumination images
Müller-Linow et al. The leaf angle distribution of natural plant populations: assessing the canopy with a novel software tool
US9940514B2 (en) Automated geospatial image mosaic generation with multiple zoom level support
Fang et al. A variational approach for pan-sharpening
US9042674B2 (en) Automated geospatial image mosaic generation
CN108596103A (zh) 基于最佳光谱指数选择的高分辨率卫星遥感影像建筑物提取方法
Martin-Herrero Anisotropic diffusion in the hypercube
CN104504672B (zh) 基于NormLV特征的低秩稀疏邻域嵌入超分辨方法
Xie et al. Trainable spectral difference learning with spatial starting for hyperspectral image denoising
Duran et al. Restoration of pansharpened images by conditional filtering in the PCA domain
Chen et al. Scene segmentation of remotely sensed images with data augmentation using U-net++
Xie et al. Generating 3D multispectral point clouds of plants with fusion of snapshot spectral and RGB-D images
Yao et al. Registrating oblique SAR images based on complementary integrated filtering and multilevel matching
CN115861409B (zh) 大豆叶面积测算方法、系统、计算机设备及存储介质
Sangeetha et al. A novel exemplar based Image Inpainting algorithm for natural scene image completion with improved patch prioritizing
CN110084774B (zh) 一种增强的梯度传递和总变差最小化融合图像的方法
CN107633487A (zh) 一种航空摆扫式多光谱扫描仪图像的系统级相对辐射校正方法
CN109523497A (zh) 一种光学遥感影像融合方法
Hesabi et al. A modified patch propagation-based image inpainting using patch sparsity
CN108304766B (zh) 一种基于高分辨率遥感筛选危险品堆场的方法
CN105205496A (zh) 基于空间信息约束的增强型稀疏表示高光谱图像分类装置及方法
CN109447916A (zh) 一种基于高分辨率遥感影像的水质定量方法
CN108830793A (zh) 一种高分辨率遥感图像辐射重建方法
CN111652826B (zh) 基于Wallis滤波+直方图匹配的有重多/高光谱遥感图像匀色方法
Liu et al. Comparative Analysis of Pixel Level Fusion Algorithms in High Resolution SAR and Optical Image Fusion

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190326

RJ01 Rejection of invention patent application after publication