CN111539900A - 一种基于引导滤波的ihs遥感图像融合方法 - Google Patents

Abstract

本发明提供了一种基于引导滤波的IHS遥感图像融合方法。首先，采用引导滤波对多光谱图像进行处理，得到边缘信息更加丰富的多光谱图像，利用高通滤波对多光谱图像和全色图像进行滤波，得到其各自的高频细节分量；然后，利用自适应AIHS方法求解自适应系数，得到细节分量图；最后，为了得到更丰富的光谱信息，利用引导滤波对图像进行处理，提取差异信息，得到其中的光谱信息，并注入到细节分量图中，得到融合图像。本发明在融合图像空间细节的同时能够很好地保持光谱信息，减少光谱扭曲，具有更为理想的融合效果。

Description

一种基于引导滤波的IHS遥感图像融合方法

技术领域

本发明属遥感图像融合领域，具体涉及一种基于引导滤波的IHS遥感图像融合方法。

背景技术

遥感技术的主要目的是通过获取图像的光谱、空间和时间信息提取地表结构信息。 随着遥感技术的发展应用，多源遥感影像融合得到了广泛的关注和研究。多源遥感影像融合是对信息冗余或互补的多源遥感影像进行处理，获得信息更精确、更丰富的融 合影像的规则或算法。融合后的影像有助于影像可视化、地物分类识别等后续处理。 分辨率是对输出图像细节信息能力的一种度量，也体现了图像的应用价值。由于影像 信噪比、数据的传输等影响，使得遥感影像在空间分辨率和光谱分辨率方面相互制约， 不可兼得。

全色图像是具有较高的空间分辨率的单波段图像，而多光谱影像是具有较高的光谱分辨率的多波段图像，相比之下多光谱影像的空间分辨率较低。现在更多的遥感应 用需要同时具备更高光谱分辨率和空间分辨率的影像，图像融合技术正是解决问题的 关键途径，即要求融合算法在提高图像空间细节信息的同时，还要保持图像原有的光 谱信息。常见的传统的融合算法有主成分变换法(Principal Component Analysis)、IHS 变换法、高通滤波法(High-pass filter)及比值变换法(Brovey)等，它们在融合效果 上有较大差异，在空间细节信息和光谱保真度方面只能满足某一特定方面的需求。而 基于这些算法的改进算法，能够取得更好的效果，但是改进算法在一定程度上都存在 着光谱扭曲问题。

因此，如何在保证融合图像空间细节的同时兼顾到光谱信息的保持，使两者更好地在融合结果中体现，是遥感图像融合中的重要问题。

发明内容

为了克服现有技术的不足，本发明提供一种基于引导滤波的IHS遥感图像融合方法。首先，采用引导滤波对多光谱图像进行处理，得到边缘信息更加丰富的多光谱图 像，利用高通滤波对多光谱图像和全色图像进行滤波操作，得到其各自的高频细节分 量；然后，利用自适应AIHS方法求解自适应系数，得到细节分量图；最后，为了得到 更丰富的光谱信息，利用引导滤波对图像进行处理，提取差异信息，得到其中的光谱 信息，并注入到细节分量图中，得到融合图像。

一种基于引导滤波的IHS遥感图像融合方法，其特征在于步骤如下：

步骤1：利用引导滤波器对多光谱图像进行引导滤波，得到滤波后的图像MS_new；

步骤2：对多光谱滤波后的图像MS_new进行高通滤波，得到其高频细节分量MS_H； 对全色图像进行高通滤波，得到其高频细节分量PAN_H；

步骤3：采用AIHS方法求解下式得到自适应系数α_i：

其中，MS_Hi表示高频细节分量MS_H的第i个波段图像，n为多光谱图像的波段数；

按照下式计算得到强度分量I_H：

按照下式计算得到细节分量D₁：

D₁＝PAN_H-I_H (3)

步骤4：利用引导滤波器对高频细节分量MS_H进行引导滤波，得到光谱信息

再按照

计算得到差异信息re；然后，将差异信息的每一个波段图像re_i分 别与细节分量D₁相加，得到细节分量D₂，即D_2i＝re_i+D₁，其中，re_i为差异信息re的第i个波段图像，D_2i为细节分量D₂的第i波段图像，i＝1,2,...,n；

对细节分量D₂利用AIHS方法针对不同的波段自适应求解，得到自适应的细节分量

其中，

表示自适应细节分量

的第i个波段图像，i＝1,2,...,n；

按照下式计算得到融合图像HMS：

其中，HMS_i表示融合图像HMS的第i波段图像，i＝1,2,...,n，MS_newi表示滤波后的多光谱图像MS_new的第i个波段图像。

进一步地，步骤2中所述的高通滤波采用理想高通滤波器、butter worth高通滤波或 器高斯高通滤波器，高通滤波器的截至频率取值范围为(0,1)。

本发明的有益效果是：由于利用引导滤波进行了原始多光谱图像进行了处理，使得能够更好地保持图像的边缘细节信息；由于采用自适应AIHS算法，能够在保持图 像空间分辨率的同时更好地保持图像的光谱信息，减少光谱扭曲。本发明在保证融合 图像空间细节的同时兼顾到光谱信息的保持，使两者更好地在融合结果中体现，能够 更好地解决融合过程中的光谱扭曲问题，具有更为理想的融合效果。

附图说明

图1是本发明的基于引导滤波的IHS遥感图像融合方法流程图；

图2是采用不同方法对场景一下的Spot-6卫星图像进行融合的结果图像；

其中，(a)-原始多光谱第1波段图像；(b)-原始全色图像；(c)-IHS方法融合后图像； (d)-PCA方法融合后图像；(e)-Brovey方法融合后图像；(f)-HPF方法融合后图像；(g)-本发明方法融合后图像；

图3是采用不同方法对场景二下的Spot-6卫星图像进行融合的结果图像；

其中，(a)-原始多光谱第1波段图像；(b)-原始全色图像；(c)-IHS方法融合后图像； (d)-PCA方法融合后图像；(e)-Brovey方法融合后图像；(f)-HPF方法融合后图像；(g)-本发明方法融合后图像。

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。

如图1所示，本发明提供了一种基于引导滤波的IHS遥感图像融合方法，其具体实现过程如下：

1、对原图像进行分解，得到初始的细节图。本发明采用引导滤波，引导滤波器包括两个部分，输入图像和引导图像，当引导图像为图像本身时，它可以作为一个边缘 保持滤波器。因此，对多光谱图像MS进行引导滤波处理，得到滤波后的图像MS_new：

MS_new(:,:,i)＝GF(MS(:,:,i),MS(:,:,i),r,eps) (6)

其中，MS_new(:,:,i)表示滤波后的第i个波段的多光谱图像，GF表示引导滤波， MS(:,:,i)表示原始多光谱图像的第i个波段图像，i＝1,2,…,n，n为多光谱图像的波段数， r表示引导滤波器的半径，可取值范围为2、4、8，eps表示正则化因子，通常可设定取 值范围为0.1²、0.2²、0.4²。

2、利用高通滤波(HPF)将滤波后的多光谱图像MS_new和全色图像PAN分解成高 频细节分量(HFC)和低频细节分量(LFC)：

其中，MS_H表示滤波后多光谱图像MS_new的高频细节分量，PAN_H表示原始全色 图像PAN的高频细节分量，HPF表示高通滤波操作，type表示高通滤波器类型，其 中，type＝1为理想高通滤波器，type＝2为butter worth高通滤波器，type＝3为高通滤波 器。D0用来确认截至频率，取值范围为(0,1)，m用于确定butter worth高通滤波器 的阶数。本实施例采用高斯高通滤波器。

图像MS_new和PAN的低频细节分量MS_L、PAN_L可以通过下列等式得到：

3、多光谱图像的强度分量可以通过公式

计算得到，其中，α_i是一个 以常数1_n为值的组合系数，为解决IHS算法融合产生的光谱扭曲问题，通过调节α_i尽可能的使PAN≈I，采用AIHS方法求解下式得到自适应系数α_i：

其中，PAN_H表示高通滤波后的全色图像的高频细节分量；MS_Hi表示高频细节分 量MS_H的第i波段图像；α_i为自适应系数，表示对第i个波段的高频细节分量MS_H图 像进行加权融合，i＝1,2,…,n。

然后，按下式计算得到强度分量用I_H：

再按照下式计算得到细节分量图：

D₁＝PAN_H-I_H (11)

4、与原始的多光谱图像相比，得到的细节分量图D₁中包含了更多的空间信息， 但是仍然存在光谱扭曲的问题。为了改善这种情况，利用引导滤波从多光谱图像的高 频细节分量MS_H中提取光谱信息，滤波后的图像与原图像不仅存在光谱差异也存在细 节差异，从而得到细节图像。即：

其中，

表示对高频细节分量滤波后的第i个波段图像，re_i表示滤波后的图像与高频细节分量之间差异信息的第i个波段图像，i＝1,2,…,n。

5、利用差异信息来增强细节分量图的光谱信息，将差异信息的每个波段图像re_i分别与D₁相加，得到的光谱信息增强的细节分量D₂：

D_2i＝re_i+D₁ (13)

其中,D_2i为细节分量D₂的第i波段图像，i＝1,2,…,n。接下来需要对D₂针对不同的通道都进行自适应地细化，因为D₂和多光谱图像具有相同的光谱特征，自适应时系数 α_i不需要更新。

6、利用AIHS方法对D₂针对不同的通道都进行自适应地细化，按下式计算得到 自适应的细节分量

表示自适应细节分量

的第i波段图像。最终，按下式计算得到光谱和细节信息更丰富的融合图像HMS：

其中，HMS_i表示融合后图像HMS的第i波段图像，i＝1,2,...n，MS_newi表示滤波后的多光谱图像的MS_new第i个波段图像。

为验证本发明方法的有效性，采用Spot-6卫星数据集中的图像为测试图像，将本发明方法与IHS、Brovey、PCA、HPF传统融合方法进行比较，图2和图3分别给出了不 同场景下的原始多光谱和全色图像，以及采用不同方法得到的融合图像。可以看出， 本发明的方法得到的融合结果图像的空间细节信息更清晰，纹理信息丢失较少，相较 与IHS算法、PCA算法的结果图像光谱扭曲的问题得到了明确的改善，光谱保真度更高， 光谱信息也更丰富。

Claims (2)

1.一种基于引导滤波的IHS遥感图像融合方法，其特征在于步骤如下：

步骤1：利用引导滤波器对多光谱图像进行引导滤波，得到滤波后的图像MS_new；

步骤2：对多光谱滤波后的图像MS_new进行高通滤波，得到其高频细节分量MS_H；对全色图像进行高通滤波，得到其高频细节分量PAN_H；

步骤3：采用AIHS方法求解下式得到自适应系数α_i：

其中，MS_Hi表示高频细节分量MS_H的第i个波段图像，n为多光谱图像的波段数；

按照下式计算得到强度分量I_H：

按照下式计算得到细节分量D₁：

D₁＝PAN_H-I_H (3)

步骤4：利用引导滤波器对高频细节分量MS_H进行引导滤波，得到光谱信息

再按照

计算得到差异信息re；然后，将差异信息的每一个波段图像re_i分别与细节分量D₁相加，得到细节分量D₂，即D_2i＝re_i+D₁，其中，re_i为差异信息re的第i个波段图像，D_2i为细节分量D₂的第i波段图像，i＝1,2,...,n；

对细节分量D₂利用AIHS方法针对不同的波段自适应求解，得到自适应的细节分量

其中，

表示自适应细节分量

的第i个波段图像，i＝1,2,...,n；

按照下式计算得到融合图像HMS：

其中，HMS_i表示融合图像HMS的第i波段图像，i＝1,2,...,n，MS_newi表示滤波后的多光谱图像MS_new的第i个波段图像。

2.如权利要求1所述的一种基于引导滤波的IHS遥感图像融合方法，其特征在于：步骤2中所述的高通滤波采用理想高通滤波器、butter worth高通滤波或高斯高通滤波器，高通滤波器的截至频率取值范围为(0,1)。

Images