CN112734636A - 一种多源异构遥感影像的融合方法 - Google Patents

一种多源异构遥感影像的融合方法 Download PDF

Info

Publication number
CN112734636A
CN112734636A CN202011485667.7A CN202011485667A CN112734636A CN 112734636 A CN112734636 A CN 112734636A CN 202011485667 A CN202011485667 A CN 202011485667A CN 112734636 A CN112734636 A CN 112734636A
Authority
CN
China
Prior art keywords
image
remote sensing
uap
wavelet
sensing images
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
CN202011485667.7A
Other languages
English (en)
Inventor
叶华
沈正伟
尹建伟
尚永衡
王宁宁
钱磊
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.)
Deqing Institute Of Advanced Technology And Industry Zhejiang University
Original Assignee
Deqing Institute Of Advanced Technology And Industry Zhejiang University
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 Deqing Institute Of Advanced Technology And Industry Zhejiang University filed Critical Deqing Institute Of Advanced Technology And Industry Zhejiang University
Priority to CN202011485667.7A priority Critical patent/CN112734636A/zh
Publication of CN112734636A publication Critical patent/CN112734636A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • 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 using two or more images, e.g. averaging or subtraction
    • 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
    • G06T2207/10004—Still image; Photographic 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
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation

Landscapes

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

Abstract

本发明公开了一种多源异构遥感影像的融合方法，该方法首先选取两幅相同区域的高分遥感影像和无人机航片影像，对其进行正射校正、影像配准预处理后对高分遥感影像的多光谱影像（MSS）和全色影像(PAN)采用GS(Gram‑Schmidt)算法做融合，得到融合后的影像(GS)对GS影像进行HIS变换，得到亮度(I1)、色度(H1)与饱和度(S1)三个分量，之后对无人机航片影像（UAV）采用àtrous小波算法，进行波段分解得到不同分辨率的小波面。然后将各小波面叠加到PAN影像中，得到融合后的影像UAP同样对UAP进行影像的HIS变换得到对应的亮度(I2)、色度(H2)、饱和度(S2)分量，然后把UAP影像的亮度分量I2代替GS影像的亮度分量I1，之后对I2、H1、S1三个分量进行HIS逆变换就得到融合影像。

Description

一种多源异构遥感影像的融合方法
技术领域
本发明属于遥感影像处理数据融合领域，具体涉及一种多源异构遥感影像的融合方法。
背景技术
随着现代遥感技术的飞速发展，遥感数据的获取手段不断增加，遥感数据的空间分辨率、时间分辨率、光谱分辨率、辐射分辨率越来越高，数据类型越来越丰富，但由于各类遥感数据成像原理不同和技术条件有限制，任何单一影像源都不能全面反映目标对象的特征很难同时具有高空间、高光谱分辨率的特性。因此对应用具有一定的局限性。为了充分利用这些丰富的影像数据，从不同的影像数据中挖掘出所需要的信息。从而对观测目标有一个更加全面、清晰、准确的理解与认知，需要将不同影像源、不同分辨率的遥感影像进行融合，以实现对目标更精确、更可靠的估计和判断。
从融合原理来看大致可以分为基于信号分析原理的融合方法、基于色彩空间理论的融合方法、基于数理统计分析、四则运算的融合方法但是传统的遥感影像融合方法如：主成分分析(PCA)，HIS变换融合，CN融合等方法在多源异构影像的融合中均有一定的局限性无法很好的提高融合影像的分辨率及空间细节表现能力。
发明内容
针对现有技术存在的不足，本发明提供了一种多源异构遥感影像的融合方法，利用高分遥感影像及无人机航片影像，将àtrous小波算法引入到HIS影像融合任务中，相对于传统的HIS影像融合方法，有效的提高了融合影像的分辨率及空间细节表现能力。
本发明的实现方法如下：
一种基于多源异构遥感影像的融合方法，包括如下步骤：
(1)选取两幅相同区域高分遥感影像和无人机航片影像作为实验数据，进行预处理；
(2)通过GS(Gram-Schmidt)融合算法将高分遥感影像的全色影像与多光谱影像融合，得到融合后的影像GS；
(3)对融合后的GS影像进行HIS变换，得到亮度(I1)、色度(H1)、饱和度(S1)三个分量；
(4)对无人机航片影像采用àtrous小波算法，进行波段分解得到不同分辨率的小波面；
(5)将各小波面叠加到PAN影像中，得到融合后的影像UAP同样对UAP进行影像的HIS 变换得到对应的亮度(I2)、色度(H2)、饱和度分量(S2)，然后把UAP影像的亮度分量(I2)代替GS影像的亮度分量(I1)，之后对I2、H1、S1三个分量进行HIS逆变换就得到融合影像。
步骤(1)所述预处理过程如下：
(a)利用高分遥感影像自带的RPC系数，对影像进行正射校正；
(b)对正射校正后的高分遥感影像和航片影像以PAN影像为基准采用SIFT算法进行图像配准。
基于上述技术方案，本发明具有以下有益效果：
本发明使用了高分辨率遥感影像和无人机航片影像作为数据源，将àtrous小波算法引入到HIS影像融合任务中，相对于传统的HIS影像融合方法，有效的提高了融合影像的分辨率及空间细节表现能力。
附图说明
图1为本发明流程示意图。
具体实施方式
下面将结合附图，对本发明的技术方案进行清楚、完整地描述。此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。
如图1所示，本发明提出的一种多源异构遥感影像融合的方法，包括如下步骤：
(1)选取两幅相同区域高分遥感影像和无人机航片影像作为实验数据，本发明使用高分二号的MSS影像和PAM影像和0.2m分辨率的航片影像作为数据源，由于初始的数据影像为 L1A级数据，在进行变化检测之前，必须对初始影像进行相关的预处理，处理流程如下：
1.1正射校正：高分二号的L1A级数据包含量了rpb文件，其中包含了有理多项式系数RPC，结合同区域的数字高程模型DEM，实现对高分遥感影像数据的正射校正。
1.2影像配准：对正射校正过后的高分二号影像和航片影像以PAN影像为基准采用SIFT算法提取特征点，然后根据最邻近(NN)和第二邻近(SCN)的比值来确定匹配点对，当点之特征间的欧式距离小于NN/SCN比值时，确定为可能的匹配点对，最后采用多次RANSAC算法去除误匹配点，最终实现影像配准。
(2)通过GS(Gram-Schmidt)融合算法将高分遥感影像的全色影像与多光谱影像融合，得到融合后的影像GS。
2.1 GS(Gram-Schmidt)融合算法是将MSS影像转换到正交空间消除冗余信息使变换后的各分量在正交空间里都正交，各分量中信息量的保留程度相差较小。GS融合方法是在统计分析理论的基础上，将所有待融合的波段进行直方图最佳匹配，对某些传统融合方法的部分波段信息过度冗余，以及随着遥感技术发展带来的高空间分辨率PAN波段区域扩大，而导致的光谱响应区域不同步的问题，该融合算法都能很好的解决。并且，该算法不受波段限制，能够很好地保持光谱要素信息，对目标地物的空间纹理保持性也较好。GS变换公式如下：
Figure BDA0002839281350000031
式中，GST是GS变换后产生的第T个分量，BT是原始多光谱影像的第T个波段影像，uT是第T个原始多光谱波段影像灰度值的均值。
(3)对融合后的GS影像进行HIS变换，得到亮度(I1)、色度(H1)、饱和度(S1)三个分量。
(4)对无人机航片影像采用àtrous小波算法，进行波段分解得到不同分辨率的小波面：
4.1 àtrous小波算法的具体描述如下：假设原影像数据为{C0(k)}，经过尺度函数<(x)的一次滤波后所得数据为{C1(k)}，则{C0(k)}-{C1(k)}包含两尺度影像间的信息差，则{C0 (k)}-{C1(k)}包含两尺度影像间的信息差，即细节信号(小波面)，而在j次滤波后所得到的影像数据可由下式表示：
Figure BDA0002839281350000032
4.2该过程也可用卷积运算代替，其公式为：
Figure BDA0002839281350000033
4.3而小波系数Wj(k)＝{Cj-1(k)}-{Cj(k)}，式(3)中的h(l)为低通滤波算子，它与尺度函数＜f(x)间的关系可表示为：
Figure BDA0002839281350000034
4.4这样小波函数Φ(x)可定义为：
Figure BDA0002839281350000035
4.5 àtrous小波变换实际上将输入影像数据分解为多个细节信号与一个背景信号，影像的细节特征集中于小波面中，而原影像即为各细节信号与背景信号的叠加，由此即可得到àtrous 小波的重构公式：
Figure BDA0002839281350000036
4.6 àtrous小波算法可以很容易地扩展到二维空间，在二维空间其算法类似于用卷积核对影像进行滤波，由于B3-spline对不规则样本数据具有很好的插值性，通常选择B3-spline作为尺度函数,其二维卷积核R为：
Figure BDA0002839281350000041
(5)将各小波面叠加到PAN影像中，得到融合后的影像UAP同样对UAP进行影像的HIS 变换得到对应的亮度(I2)、色度(H2)、饱和度分量(S2)，然后把UAP影像的亮度分量(I2)代替GS影像的亮度分量(I1)，之后对I2、H1、S1三个分量进行HIS逆变换就得到融合影像。
以上所述的具体实施方式对本发明的技术方案进行了详细说明，应理解的是以上所述的实例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于多源异构遥感影像的融合方法，其特征在于：包括如下步骤：
1）选取两幅相同区域的高分遥感影像和无人机航片影像作为实验数据，进行预处理；
2） 高分遥感影像的融合：通过GS(Gram-Schmidt)融合算法将高分遥感影像的全色影像与多光谱影像融合，得到融合后的影像GS；
3）GS影像的HIS变换：对融合后的GS影像进行HIS变换，得到亮度I1、色度H1、饱和度S1三个分量；
4）航片影像处理：对无人机航片影像采用àtrous小波算法，进行波段分解得到不同分辨率的小波面；
5）将各小波面叠加到PAN影像中，得到融合后的影像UAP同样对UAP进行影像的HIS变换得到对应的亮度I2、色度H2、饱和度分量S2，然后把UAP影像的亮度分量I2代替GS影像的亮度分量I1，之后对I2、H1、S1三个分量进行HIS逆变换就得到融合影像。
2.根据权利要求1所述的方法，其特征在于：步骤1）所述预处理过程如下：
2.1） 利用高分遥感影像自带的RPC系数，对影像进行正射校正；
2.2） 对正射校正后的高分遥感影像和航片影像以PAN影像为基准采用SIFT算法进行图像配准。
CN202011485667.7A 2020-12-16 2020-12-16 一种多源异构遥感影像的融合方法 Pending CN112734636A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011485667.7A CN112734636A (zh) 2020-12-16 2020-12-16 一种多源异构遥感影像的融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011485667.7A CN112734636A (zh) 2020-12-16 2020-12-16 一种多源异构遥感影像的融合方法

Publications (1)

Publication Number Publication Date
CN112734636A true CN112734636A (zh) 2021-04-30

Family

ID=75602432

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011485667.7A Pending CN112734636A (zh) 2020-12-16 2020-12-16 一种多源异构遥感影像的融合方法

Country Status (1)

Country Link
CN (1) CN112734636A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113888421A (zh) * 2021-09-26 2022-01-04 北京和德宇航技术有限公司 一种多光谱卫星遥感图像融合方法
CN114022705A (zh) * 2021-10-29 2022-02-08 电子科技大学 一种基于场景复杂度预分类的自适应目标检测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384332A (zh) * 2016-09-09 2017-02-08 中山大学 基于Gram‑Schmidt的无人机影像与多光谱影像融合方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384332A (zh) * 2016-09-09 2017-02-08 中山大学 基于Gram‑Schmidt的无人机影像与多光谱影像融合方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
刘川;齐修东;臧文乾;黄祥志;杨秀峰;: "基于IHS变换的Gram-Schmidt改进融合算法研究", 测绘工程 *
后斌 等: "基于HIS变换与àtrous小波分解的遥感影像融合", 《南京师大学报（自然科学版）》 *
李欣腾;陈晓勇;顾腾;李梦洋;徐方晨;: "高分一号与Landsat8影像融合方法比较研究", 东华理工大学学报(自然科学版) *
梁苏苏;张鹤鸣;段彩梅;: "一种基于IHS变换和小波变换的多源遥感影像融合新方法", 现代测绘 *
楚恒;王兴;刘红彬;晁拴社;: "一种基于组合融合策略的遥感影像融合方法", 计算机工程 *
董张玉;赵萍;胡文亮;: "a’Trous小波与HIS变换相结合的遥感影像融合分析", 测绘科学 *
郑丽;: "SPOT多光谱影像与全色影像融合研究", 佳木斯大学学报(自然科学版) *
马云霞;贾永红;占文凤;: "一种基于亮度调制的多源遥感影像融合方法", 测绘信息与工程 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113888421A (zh) * 2021-09-26 2022-01-04 北京和德宇航技术有限公司 一种多光谱卫星遥感图像融合方法
CN114022705A (zh) * 2021-10-29 2022-02-08 电子科技大学 一种基于场景复杂度预分类的自适应目标检测方法
CN114022705B (zh) * 2021-10-29 2023-08-04 电子科技大学 一种基于场景复杂度预分类的自适应目标检测方法

Similar Documents

Publication Publication Date Title
Jiang et al. Learning spatial-spectral prior for super-resolution of hyperspectral imagery
Sahu et al. Different image fusion techniques–a critical review
CN110415199B (zh) 基于残差学习的多光谱遥感图像融合方法及装置
Han et al. Hyperspectral and multispectral image fusion using optimized twin dictionaries
Tao et al. Hyperspectral image recovery based on fusion of coded aperture snapshot spectral imaging and RGB images by guided filtering
Moonon et al. Remote sensing image fusion method based on nonsubsampled shearlet transform and sparse representation
CN110544212B (zh) 基于层级特征融合的卷积神经网络高光谱图像锐化方法
Zhou et al. Unified gradient-and intensity-discriminator generative adversarial network for image fusion
CN112734636A (zh) 一种多源异构遥感影像的融合方法
Al-Wassai et al. Multisensor images fusion based on feature-level
CN116109535A (zh) 一种图像融合方法、设备及计算机可读存储介质
Zhang et al. Development of image processing based on deep learning algorithm
Jindal et al. An ensemble mosaicing and ridgelet based fusion technique for underwater panoramic image reconstruction and its refinement
Reddy et al. Multispectral image denoising methods: A literature review
Zhu et al. Cloud removal for optical images using SAR structure data
US20220247889A1 (en) Raw to rgb image transformation
Singh et al. A non-conventional review on image fusion techniques
Rout et al. S2a: Wasserstein gan with spatio-spectral laplacian attention for multi-spectral band synthesis
Kamal et al. Resoluting multispectral image using image fusion and CNN model
CN110807746B (zh) 一种基于细节内嵌注入卷积神经网络高光谱图像锐化方法
Li et al. Pansharpening via subpixel convolutional residual network
Liu et al. Adversarial spectral super-resolution for multispectral imagery using spatial spectral feature attention module
Ajisha et al. Survey on remote sensing image fusion
Zaveri et al. An optimized region-based color transfer method for night vision application
Jiang Region Enhancement Methods of Color Blurred Image Based on Visual Communication

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

Application publication date: 20210430

WD01 Invention patent application deemed withdrawn after publication