发明内容
针对卫星遥感真彩色影像植被等地物暗淡,色彩不自然等缺点,本发明提供了一种基于融合衍生指数的遥感影像融合方法、系统、计算机设备及存储介质,其可以提 高真彩色遥感影像目视分辨力和计算机解析力,挖掘历史遥感数据真彩色影像模式的 应用潜力,改善现状和未来遥感数据真彩色影像模式的应用效果,为卫星遥感真彩色 影像制图在普通用户手机和电脑等网络平台的导航应用、户外和室内等实体空间的观 察、分析应用提供基础。
本发明的第一个目的在于提供一种基于融合衍生指数的遥感影像融合方法。
本发明的第二个目的在于提供一种基于融合衍生指数的遥感影像融合系统。
本发明的第三个目的在于提供一种计算机设备。
本发明的第四个目的在于提供一种存储介质。
本发明的第一个目的可以通过采取如下技术方案达到:
一种基于融合衍生指数的遥感影像融合方法,所述方法包括:
获取具有近红外波段、红波段、绿波段、蓝波段的卫星遥感影像;
将近红外波段与红波段、绿波段和蓝波段中的一个或多个波段进行谱间融合,得到融合后的结果,所述谱间融合的方法为Gram-Schmidt融合或Wavelet融合;
以融合后的波段成果为分子,以及以对应的融合前的波段为分母,计算融合衍生的比值指数;
根据融合衍生的比值指数,重构红波段和绿波段;
根据重构后的红波段、重构后的绿波段以及原始蓝波段,合成得到最终的彩色影像。
进一步的,所述以融合后的波段成果为分子,以及以对应的融合前的波段为分母,计算融合衍生的比值指数,具体包括:
若采用近红外波段与红波段、近红外波段与绿波段、近红外波段与蓝波段进行谱间融合的方案,则融合衍生的比值指数为如下计算式:
其中,SFR、SFG、SFB分别为近红外波段与红波段、近红外波段与绿波段、近红 外波段与蓝波段融合后的结果;
若采用近红外波段与红波段、绿波段这两个波段进行谱间融合的方案,则融合衍生的比值指数为如下计算式:
其中,DFR、DFG为近红外波段与红波段、绿波段两个波段融合后的结果;
若采用近红外波段与红波段、蓝波段这两个波段进行谱间融合的方案,则融合衍生的比值指数为如下计算式:
其中,DFR、DFB为近红外波段与红波段、蓝波段两个波段融合后的结果;
若采用近红外波段与绿波段、蓝波段这两个波段进行谱间融合的方案,则融合衍生的比值指数为如下计算式:
其中,DFG、DFB为近红外波段与绿波段、蓝波段两个波段融合后的结果;
若采用近红外波段与红波段、绿波段、蓝波段这三个波段进行谱间融合的方案,则融合衍生的比值指数为如下计算式:
其中,TFR、TFG、TFB为为近红外波段与红波段、绿波段、蓝波段三波段融合后 的结果。
进一步的,所述根据融合衍生的比值指数,重构红波段和绿波段,具体包括:
根据融合衍生的比值指数,统计得到其最大值;
根据融合衍生的比值指数及其最大值,重构红波段和绿波段,如下式:
其中,0≤1,FI为融合衍生的比值指数,FImax为融合衍生的比值指数最大 值。
进一步的,所述根据重构后的红波段、重构后的绿波段以及原始蓝波段,合成得到最终的彩色影像,具体包括:
根据重构后的红波段、重构后的绿波段、原始红波段以及原始绿波段,计算修正系数,如下式:
其中,k1为红波段修正系数,k2为绿波段修正系数,rmax、gmax、Rmax、Gmax分 别为重构后的红波段r、重构后的绿波段g、原始红波段R、原始绿波段G的统计最大值;
根据修正系数,对重构后的红波段以及重构后的红波段进行修正,如下式:
R′=k1×r
G′=k2×g
利用修正后的红波段、修正后的绿波段以及原始蓝波段对应彩色影像的红、绿、蓝通道合成得到最终的彩色影像。
进一步的,所述根据比值指数,重构红波段和绿波段,具体包括:
根据融合衍生的比值指数,统计得到其最大值和平均值;
根据融合衍生的比值指数及其最大值和平均值,计算归一化指数、归一化指数的最大值以及比值指数平均值对应的归一化指数值,如下式:
其中,FI为融合衍生的比值指数,FImax为融合衍生的比值指数最大值,FImean为 融合衍生的比值指数平均值;
根据归一化指数、归一化指数的最大值以及比值指数平均值对应的归一化指数值, 重构红波段和绿波段,如下式:
进一步的,所述根据重构后的红波段、重构后的绿波段以及原始蓝波段,合成得到最终的彩色影像,具体包括:
根据重构后的红波段、重构后的绿波段、原始红波段以及原始绿波段,计算修正系数,如下式:
其中,k1为红波段修正系数,k2为绿波段修正系数,rmax、gmax、Rmax、Gmax分 别为重构后的红波段r、重构后的绿波段g、原始红波段R、原始绿波段G的统计最大值;
根据修正系数,对重构后的红波段以及重构后的红波段进行修正,如下式:
R′=k1×r
G′=k2×g
利用修正后的红波段、修正后的绿波段以及原始蓝波段对应彩色影像的红、绿、蓝通道合成得到最终的彩色影像。
进一步的,所述根据比值指数,重构红波段和绿波段,具体包括:
根据融合衍生的比值指数,统计得到其最大值;
根据融合衍生的比值指数及其最大值,重构红波段和绿波段,如下式:
其中,0≤1,FI为融合衍生的比值指数,FImax为融合衍生的比值指数最大 值。
进一步的,所述根据重构后的红波段、重构后的绿波段以及原始蓝波段,合成得到最终的彩色影像,具体包括:
利用重构后的红波段、重构后的绿波段以及原始蓝波段对应彩色影像的红、绿、蓝通道合成得到最终的彩色影像。
本发明的第二个目的可以通过采取如下技术方案达到:
一种基于融合衍生指数的遥感影像融合系统,所述系统包括:
获取模块,用于获取具有近红外波段、红波段、绿波段、蓝波段的卫星遥感影像;
融合模块,用于将近红外波段与红波段、绿波段和蓝波段中的一个或多个波段进行谱间融合,得到融合后的结果,所述谱间融合的方法为Gram-Schmidt融合或Wavelet 融合;
计算模块,用于以融合后的波段成果为分子,以及以对应的融合前的波段为分母,计算融合衍生的比值指数;
重构模块,用于根据融合衍生的比值指数,重构红波段和绿波段;
合成模块,用于根据重构后的红波段、重构后的绿波段以及原始蓝波段,合成得到最终的彩色影像。
本发明的第三个目的可以通过采取如下技术方案达到:
一种计算机设备,包括处理器以及用于存储处理器可执行程序的存储器,所述处理器执行存储器存储的程序时,实现上述的遥感影像融合方法。
本发明的第四个目的可以通过采取如下技术方案达到:
一种存储介质,存储有程序,所述程序被处理器执行时,实现上述的遥感影像融合方法。
本发明相对于现有技术具有如下的有益效果:
1、本发明可以提高真彩色遥感影像目视分辨力和计算机解析力,挖掘历史遥感数据真彩色影像模式的应用潜力,改善现状和未来遥感数据真彩色影像模式的应用效果, 为卫星遥感真彩色影像制图在普通用户手机和电脑等网络平台的导航应用、户外和室 内等实体空间的观察、分析应用提供基础。特别是在AI时代,遥感影像目视分类是 AI自动分类训练样本选择的关键环节,更加凸显遥感影像目视分类能力在AI自动分 类中的基础作用。本发明也有利于拓展真彩色卫星遥感影像专业用户地物目视分类和 自动分类在各行各业的应用空间,在当前高分辨率卫星遥感快速发展背景下,对于推 动高分辨率影像的推广应用具有巨大的促进作用。
2、本发明依赖于可见光卫星影像的数据内在特征,具有普适性:适用于所有具有近红外、红、绿、蓝光谱数据的多波段卫星影像,也适用于全色波段与多光谱波段通 过几何增强融合方法(如主成份分析(PCA)、傅立叶变换(FFT)、小波(Wavelet) 变换、Gram-Schimdt变换、Curvelet变换)得到的近红外、红、绿、蓝多波段卫星影 像数据。
3、本发明的第一个实施方案中,重构算法各参数物理意义明确,结构清晰,运算快捷:重构函数为融合衍生比值指数的幂函数,重构核心参数为具有比值植被指数特 征的融合衍生比值指数,具有改善真彩色影像从水到裸露地物到植被的色彩分布的功 能;调节参数为幂函数的幂次参数n,具有调节植被色度及影像上大类地物间色彩平衡 的功能。色彩重构表达式简洁明了,计算快捷高效。
4、本发明的第一个实施方案中,重构结果预见性好,可以根据用户偏好灵活设置重构函调节参数值:重构的彩色图像为水呈蓝植被呈绿色的新图像。当调节参数n从 小到大变化时,植被的绿色调从暗淡向明亮变化,水的蓝色调则从明亮向暗淡变化。 人机交互确定一个合适的n值,可以获得水体、裸露地物、植被等大类地物具有适中 的自然色调的重构彩色影像,也可以根据用户偏好选择合适的n值获得所需的重构影 像。
5、本发明的第二个实施方案中,融合算法各参数物理意义明确,结构清晰,运算快捷:融合函数为融合衍生归一化指数的幂函数,融合核心参数为具有归一化植被指 数特征的融合衍生归一化指数,具有改善真彩色影像从水到裸露地物到植被的色彩分 布的功能;调节参数为幂函数的幂次参数n,具有植被色度调节及整体影像上地物间色 彩平衡的功能。色彩融合表达式简洁明了,计算快捷高效。
6、本发明的第二个实施方案中,融合结果预见性好,可以根据用户偏好灵活设置融合函调节参数值:融合的彩色图像为水呈蓝植被呈绿色的新图像。当调节参数n从 小到大变换时,植被的绿色调从暗淡向明亮变化,水的蓝色调则从明亮向暗淡变化。 人机交互确定一个合适的n值,可以获得水、裸露地物、植被具有适中的自然色调的 重构彩色影像,也可以根据应用偏好获得多种重构的彩色影像。
7、本发明的第三个实施方案中,重构算法各参数物理意义明确,结构清晰,运算快捷:叠加融合的增量函数为比值指数的幂函数,叠加融合函数为1与增量函数的和。 核心参数为具有指示水体、裸露地物、植被等大类地物作用的融合衍生比值指数,能 够合理确定真彩色影像从水到裸露地物到植被的增量大小的功能;调节参数为幂函数 的幂次参数n,具有植被色度调节及整体影像上地物间色彩平衡的功能。融合函数表达 式简洁明了,计算快捷高效。
8、本发明的第三个实施方案中,重构结果预见性好,可以根据用户偏好灵活设置重构函调节参数值:融合后的彩色图像微弱植被信息得到全面增强,改变了整体图像 植被灰暗的缺点,呈现符合地面视觉习惯的绿色调;而裸露地物和水体基本保持了原 始真彩色的色调与层次。当调节参数n从小到大变换时,植被的绿色调从暗淡向明亮 变化,可以根据应用偏好获得多种重构的彩色影像。人机交互确定一个合适的n值, 可以获得水、裸露地物、植被具有适中的自然色调的重构彩色影像。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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、完整的描述,显然,所描述的实 施例是本发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领 域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发 明保护的范围。
实施例1:
色彩重构效果评价技术包括目视评价和定量评价,具体说明如下:
1)目视评价:正如人们所知,原始的遥感真彩色影像虽然在水体、裸露陆地等地物上与地面地物色彩一致,但在植被区域色彩暗淡、层次不清。一般真彩色影像需要 通过对植被的增强获得在上述类地物均与地面色彩一致的真彩色影像。即植被以绿色 为基调,不同类别、不同覆盖度的植被呈现深浅不一、浓淡各异各种绿色;水体以蓝 色为基调,除开因水面植被覆盖、高浓度含沙、高污染等组分不同呈现绿、黄、黑等 外,主体为深浅不一、浓淡各异的各种蓝色;其它如岩石、裸露土壤、道路、居民地 等裸露陆地则与其地面丰富的色彩一致,呈现灰、黑、白、赤、橙、黄、绿、青、蓝、 紫等五颜六色。目视选取典型水域、裸露陆地、植被等地物类别,定性比较模拟的真 彩色影像同增强的真彩色影像的色彩变化,可以目视评价重构的真彩色影像的效果。
2)定量评价:在一定程度上是目视评价的指标的定量化,对于真彩色影像色彩重构而言,既要改善真彩色影像植被的色彩,也要保障重构后的真彩色影像的层次、细 节等的丰富度和清晰度。总体上可以从两个方面对重构影像进行定量评价:其一为色 彩重构效果的定量描述与比较。在RGB、CMYK、IHS、CIE Lab等描述色彩空间的模 型中,一般认为RGB三原色色彩模型适合于计算机等屏幕显示,CMYK等印刷模型适 用于彩色图像打印输出,而IHS、CIE Lab等色彩空间模型色彩描述方面符合人眼视觉 感知模式。基于这种认识,一般在定量评价模拟的真彩色影像的效果时采用的方法是: 将RGB三原色色彩空间描述的遥感影像转换为IHS或CIE Lab色彩空间描述的影像, 读取水、植被、裸露陆地等典型地物的在这些色彩空间中的色度、饱和度、强度等, 分析其色度在地物间的分布特点,比较其与地面色度一致性。在利用地物光谱或光谱 图库模拟蓝色波段的实践中,还发展了模拟蓝色波段与实际蓝色波段的差异比较定量 方法。主要是:计算两个波段影像点对点的色度差异、波段色度相关性,差异越小, 相关性越强,模拟的效果越好。其二,重构后的彩色图像的质量指标统计与比较。一 般来说图像处理的质量可以从三个方面进行评价:第一,合成影像整体信息的丰富程度, 可用熵、联合熵度量;第二,合成图像色彩的丰富、明亮程度,可用波段统计特征— —最大值、最小值、均值、方差及波段之间的相关性指标——相关系数、协方差等衡 量;第三,图像的层次(边缘)、细节(纹理)和影像的清晰程度,可以用梯度、平 均梯度等衡量。比较重构前后图像各自指标的差异,就能对光谱(灰度、色调)信息、 边缘(层次、差异)信息、纹理(细节)信息的变化方向进行分析。
本实施例提供了一种基于融合衍生指数的遥感影像融合方法,该方法涉及真彩色影像色彩重构技术,主要利用ENVI遥感图像处理软件来实现,其基于这样的一个原 理:Gram-Schmidt、WaveLet等融合方法具有保持光谱特征的良好特性,采用 Gram-Schmidt、WaveLet等融合方法将近红外波段数据与红、绿、蓝中的一个、两个或 三个波段进行谱间融合,获得融合结果具有了近红外波段的特征。仿照比值植被指数 构建方法(近红外波段作为分子),以融合后的波段(具有近红外的特征)与融合前 的波段构建比值指数。该指数与比值植被指数类似,具有指示水(含泥沙、污染物等 各种水体组分的水体)、裸露地物(含土壤、岩石、人工建筑物等)、植被(含各种 健康状态、各种类型)的功能,且沿着水-裸露地物-植被等大类地物的分类轴其大小从 小到大变化的特征。以这样一个融合衍生的比值指数为自变量,构造一个幂函数作为 真彩色影像的色彩重构函数,再按照乘积融合的方式对真彩色影像的红波段、绿波段 数据进行重构,用重构的红波段、绿波段与原始的蓝波段合成获得重构的真彩色图像。
如图1和图2所示,本实施例的遥感影像融合方法包括以下步骤:
S101、获取具有近红外波段、红波段、绿波段、蓝波段的卫星遥感影像。
打开一幅具有近红外波段(NIR)、红光波段(R)、绿光波段(G)、蓝光波段 (B)的多光谱卫星遥感影像,图3、图4分别为磨刀门2015年1月23日重构前的 GF-2标准假彩色和真彩色组合彩色影像图(按照envi缺省设置1%拉伸的效果图)。
S102、将近红外波段与红波段、绿波段和蓝波段中的一个或多个波段进行谱间融合,得到融合后的结果。
其中,谱间融合的方法为Gram-Schmidt融合或Wavelet融合,以Gram-Schmidt 融合方法为例,在ENVI中将与近红外波段与红波段、绿波段和蓝波段这三个波段进行 谱间融合,记融合后的波段分别为:TTR、TFG、TFB,融合后的三波段合成影像如图 5所示。
S103、以融合后的波段成果为分子,以及以对应的融合前的波段为分母,计算融合衍生的比值指数。
在本实施例中,步骤S103具体包括:
1)若采用近红外波段与红波段、近红外波段与绿波段、近红外波段与蓝波段进行谱间融合的方案,则融合衍生的比值指数为如下计算式:
其中,SFR、SFG、SFB分别为近红外波段与红波段、近红外波段与绿波段、近红 外波段与蓝波段融合后的结果;
2)若采用近红外波段与红波段、绿波段这两个波段进行谱间融合的方案,则融合衍生的比值指数为如下计算式:
其中,DFR、DFG为近红外波段与红波段、绿波段两个波段融合后的结果;
3)若采用近红外波段与红波段、蓝波段这两个波段进行谱间融合的方案,则融合衍生的比值指数为如下计算式:
其中,DFR、DFB为近红外波段与红波段、蓝波段两个波段融合后的结果;
4)若采用近红外波段与绿波段、蓝波段这两个波段进行谱间融合的方案,则融合衍生的比值指数为如下计算式:
其中,DFG、DFB为近红外波段与绿波段、蓝波段两个波段融合后的结果;
5)若采用近红外波段与红波段、绿波段、蓝波段这三个波段进行谱间融合的方案,则融合衍生的比值指数为如下计算式:
其中,TFR、TFG、TFB为近红外波段与红波段、绿波段、蓝波段三个波段融合后 的结果。
由于本实施例将近红外波段与红波段、绿波段和蓝波段这三个波段进行谱间融合, 因此融合衍生的比值指数的计算采用上述步骤5)的方式,即计算的是近红外波段与三各真彩色波段融合衍生的比值指数,建立波段运算表达式(1.0*b1+b2+b3) /(1.0b4+b5+b6)计算融合衍生的比值指数FI。其中b1、b2、b3分别为TFR、TFG、TFB,b4、 b5、b6为红波段、绿波段、蓝波段,计算成果如图6所示。
S104、根据融合衍生的比值指数,重构红波段和绿波段。
在本实施例中,步骤S104具体包括:
1)根据融合衍生的比值指数,统计得到其最大值。
对于一幅具体的卫星遥感影像而言,融合衍生的比值指数FI存在相应的统计最大值和统计最小值,分别记为:FImin,FImax。色彩重构函数f(FI)为FI的幂函数,表达 式如下:
其中,0≤1。其最小值为
最大值f
max=1。在[0,+∞)区间 其一阶导数大于等于0,二阶导数小于等于0,因而无论n取何值,色彩重构函数为单 调递增的凸曲线。这样一个函数与比值指数具有相同的单调性,同样具有增强植被信 息的功能。而幂次n具有调节重构函数曲线形态的作用,能够有效改变影像上水、裸露 地物、植被的数据分布和色彩效果。
由图7可见,当n从小到大变化时,在水体附近(FI较小时)的重构曲线斜率由大 到小变化,在植被附近(FI较大时)重构曲线斜率由小到大变化,而在裸露地物(FI居 中时)重构曲线的斜率变化也位于两者之间。这样,重构函数能够有效调节影像上水、 裸露地物、植被等大类地物的亮度分布,进而有效调节合成影像的色彩分布。
2)根据融合衍生的比值指数及其最大值,重构红波段和绿波段。
按照乘积融合重构红、绿波段如下:
r=R×f
g=G×f
展开如下:
一般取n=0.5,重构彩色影像中水、裸露地物、植被具有适中的自然调色。进一 步地,通过目视对比重构的真彩色影像与原真彩色影像对应的裸露地物色彩的一致性, 可以人机交互确定一个合适的n值,使得影像上大类地物间整体色彩更加协调,更加接 近于自然色彩。
本实施例以近红外波段与真彩色三个波段融合衍生的比值指数为例,应用ENVI统计工具统计三波段融合衍生的比值指数最大值FImax=2.2798,取重构函数的幂次 n=0.5,建立波段运算表达式b1*(b2/2.2798)^0.5。其中,b1为原始红波段或者绿波段, b2为比值指数,计算结果分别为重构的红波段r或绿波段g。图8、图9分别为重构的 红波段、绿波段影像。
S105、根据重构后的红波段、重构后的绿波段以及原始蓝波段,合成得到最终的彩色影像。
在本实施例中,步骤S105具体包括:
1)根据重构后的红波段、重构后的绿波段、原始红波段以及原始绿波段,计算修正系数。
一般重构后红、绿波段最大值与对应原始红、绿波段的最大值不相同,可以分别设置红波段修正系数k1和绿波段修正系数k2,统计重构后的红波段r、重构后的绿波段 g、原始红波段R、原始绿波段G的最大值,分别记为:rmax、gmax、Rmax、Gmax,则:
本实施例应用ENVI统计工具统计得到重构前后红、绿波段的最大值,Rmax=999,Gmax=1001,rmax=585,gmax=584。红波段修正系数k1=999/585=1.7077,绿波段的修 正系数k2=1001/584=1.7140。
2)根据修正系数,对重构后的红波段以及重构后的红波段进行修正,如下式:
R′=k1×r
G′=k2×g
展开如下:
R′=k1×R×f
G′=k2×G×f
建立波段运算表达式1.7077*b1,取b1为重构后的红波段,计算得到修正后的红波段;建立波段运算表达式1.7140*b1,取b1为重构后的绿波段,计算得到修正后的 绿波段,图10、图11分别为重构的红波段、绿波段修正后的影像。
3)利用修正后的红波段、修正后的绿波段以及原始蓝波段对应彩色影像的红、绿、蓝通道合成得到最终的彩色影像。
将重构修正后的红、绿波段R′、G′与蓝波段B对应置于红、绿、蓝通道合成彩色图像即为由RGB真彩色影像融合得到的彩色图像,如图12所示,将最终的彩色影像进 行存储。
最终的彩色影像具有水蓝植被绿的典型特征。当n从小到大变换时,随着重构曲线f的形态变化,重构图像的植被的绿色调从暗淡向明亮变化(若n=0,植被为原真彩 色影像的色调),水的蓝色调则从明亮向暗淡变化,但总体来说二者基调色与地面色 彩一致。虽然裸露地物色调随着n的取值变化存在较大幅度的色彩变化,但与植被、 水的差异均有显著差异,不会与水、植被混淆。因而最终的彩色影像有效提高了水、 裸露地物、植被等大类地物的目视分辨力和自动解析力。
本实施例最终的彩色影像成果与原始真彩色影像、标准假彩色影像RGB色彩模式下的全图、植被区域、裸露地物区域、水体区域的统计特征对比分析表见表1~4。HLS 色彩模式下的全图、植被区域、裸露地物区域、水体区域的统计特征对比分析表见表5。
表1重构彩色影像同真彩色、标准假彩色影像RGB模式统计特征对比分析表
表2重构彩色影像与真彩色、标准假彩色影像RGB模式植被统计特征对比分析表
表3重构彩色影像与真彩色、标准假彩色影像RGB模式裸露地物统计特征对比分析表
表4重构彩色影像与真彩色、标准假彩色影像RGB模式水体统计特征对比分析表
表5重构彩色影像与真彩色、标准假彩色影像HLS模式统计特征对比分析表
从表1~表5中可以看到,主要有三个方面的效果:
第一方面,重构后的真彩色影像的绿色植被信息得到全面显影:可见光卫星遥感真彩色影像的植被信息不突出不自然不真实,纯植被像元色调偏灰,容易与其它地物 混淆;混合植被像元植被色彩淹没在其它地物色彩中,植被信息被掩盖;造成真彩色 影像植被信息的目视分辨率低,影像了真彩色模式应用效果。本实施例方法对真彩色 组合影像植被像元信息进行逐点增强,植被纹理、层次、色彩得到全面改善,有效提 高了真彩色影像植被信息的目视分辨力和计算机解析能力,提高了真彩影像模式植被 分析能力和效果。
第二方面,重构后的真彩色影像的水体基本保持了原真彩色影像水体的色调与层次。真彩色影像水体信息因水体组分不同而呈现从蓝到青至黑等十分丰富的色彩表现, 不同组分的水体层次分明。本实施例方法在全面增强植被信息的同时,基本保持了原 真彩色影像的丰富色调和分明层次。
第三方面,重构后的真彩色影像拓展了高分影像应用模式和应用潜力:高分辨率多光谱卫星遥感一般只设置了近红外、红、绿、蓝四个波段,其常用彩色影像模式一 般局限在标准假彩色、真彩色两种模式。这两种模式各具有点点,前者植被信息突出, 或者裸露地物和水色自然。本实施例方法通过融合衍生的比值指数对真彩色影像进行 色彩重构,融合了高分影像标准假彩色模式与真彩色模式的优点,既突出了绿色植被 信息,也基本保持了裸露地物和水体的自然色彩,在真彩色、标准假彩色两种常用图 像之外获得一种具有良好目视分辨力的新图种,拓展了高分影像制图应用的模式,提 高了高分影像分类应用的能力。
综上所述,本实施例的卫星遥感真彩色影像色彩重构技术,主要针对具有近红外、红、绿、蓝波段的卫星遥感影像,利用谱间融合衍生的比值指数在水、裸露地物、植 被等不同地物间的良好分布特征,构建了一个谱间融合衍生的比值指数的幂函数作为 色彩重构函数,采用乘积融合方法对真彩色影像的红、绿波段不同地物间的亮度分布 进行重构,有效改善重构后的红、绿波段与原始蓝波段的彩色合成图像上的植被色度、 亮度和饱和度,裸露地物与水体基本保持了原有的色调和层次,可由此获得多种具有 近地面自然色特征的新彩色图像。
实施例2:
本实施例的步骤S101和S102同实施例1,区别在于步骤S103和S104。
如图13所示,在本实施例中,步骤S103具体包括:
1)根据融合衍生的比值指数,统计得到其最大值和平均值。
2)根据融合衍生的比值指数及其最大值和平均值,计算归一化指数、归一化指数的最大值以及比值指数平均值对应的归一化指数值。
对于一幅具体的卫星遥感影像而言,融合衍生的比值指数FI存在相应的统计最大值和统计最小值,分别记为:FI
min,FI
max。相应的归一化指数
当仿照比值指数构建归一化指数的幂函数时,需要保证幂函 数的底大于等于0,则色彩重构函数f(NDFI)表达式如下:
设FI的均值为FImean。令FI=FImian时,f(NDFI)=FI/FImax时的n为最大n值。 则n的最大值为:
其中,0≤n
max。其最小值为
最大值f
max=1。在[0,+∞) 区间其一阶导数大于等于0,二阶导数小于等于0,因而无论n取何值,色彩重构函数 为单调递增的凸曲线。这样一个函数与比值指数具有相同的单调性,同样具有增强植 被信息的功能。幂次n具有调节重构函数曲线形态的作用,能够有效改变影像上水、裸 露地物、植被的数据分布和色彩效果。
由图14可见,当n从小到大变化时,在水体附近(FI较小时)的重构曲线斜率由 大到小变化,在植被附近(FI较大时)重构曲线斜率由小到大变化,而在裸露地物(FI居 中时)重构曲线的斜率变化也位于两者之间。这样,重构函数能够有效调节影像上水、 裸露地物、植被等大类地物的亮度分布,进而有效调节合成影像的色彩分布。
本实施例的归一化指数、归一化指数的最大值以及比值指数平均值对应的归一化指数值,如下式:
3)根据归一化指数、归一化指数的最大值以及比值指平均数值对应的归一化指数值,重构红波段和绿波段。
按照乘积融合重构红、绿波段如下:
r=R×f
g=G×f
展开如下:
一般取n=1.0,重构彩色影像中水、裸露地物、植被具有适中的自然调色。进一 步地,通过目视对比重构的真彩色影像与原真彩色影像对应的裸露地物色彩的一致性, 可以人机交互确定一个合适的n值,使得影像上地物间整体色彩更加协调,更加接近于 自然色彩。
本实施例以三波段融合衍生的比值指数为例,应用ENVI统计工具得到三波段融合衍生的比值指数最大值FI
max=2.2798,平均值FI
mean=1.0271,建立波段运算式 (1.0*b1-1)/(1.0*b1+1),其中b1为三波段融合衍生的比值指数FI,计算得到的结果为融 合衍生的归一化指数NDFI,计算
图15为比值指数的归一化指数影像。
取重构函数的幂次n=1.0,建立波段运算表达式b1*((1+b2)/1.3902)^1.0。其中,b1为原始红波段或者绿波段,b2为融合衍生的归一化指数NDFI。计算结果分别为重 构的红波段r或绿波段g。如图16、图17分别为重构的红波段、绿波段影像。
在本实施例中,步骤S104具体包括:
1)根据重构后的红波段、重构后的绿波段、原始红波段以及原始绿波段,计算修正系数。
设重构后红、绿波段最大值与对应原始红、绿波段的最大值相同,可以分别设置红波段修正系数k1和绿波段修正系数k2,统计重构后的红波段r、重构后的绿波段g、 原始红波段R、原始绿波段G的最大值,分别记为:rmax、gmax、Rmax、Gmax,则:
本实施例应用ENVI统计工具统计得到重构前后红、绿波段的最大值,Rmax=999,Gmax=1001,rmax=633,gmax=630。则红波段修正系数k1=999/633=1.5782,绿波段的修 正系数k2=1001/630=1.5889。
2)根据修正系数,对重构后的红波段以及重构后的红波段进行修正,如下式:
R′=k1×r
G′=k2×g
展开如下:
R′=k1×R×f
G′=k2×G×f
建立波段运算表达式1.5782*b1,取b1为重构后的红波段计算得到修正后的红波段;建立波段运算表达式1.5889*b1,取b1为重构后的绿波段计算得到修正后的绿波 段,图18、图19分别为重构的红波段、绿波段修正后的影像。
3)利用修正后的红波段、修正后的绿波段以及原始蓝波段对应彩色影像的红、绿、蓝通道合成得到最终的彩色影像。
将重构修正后的红、绿波段R′、G′与蓝波段B对应置于红、绿、蓝通道合成彩色图像即为由RGB真彩色影像融合得到的彩色图像,如图20所示,将最终的彩色影像进 行存储。
最终的彩色影像具有水蓝植被绿的典型特征。当n从小到大变换时,随着重构曲线f的形态变化,重构图像的植被的绿色调从暗淡向明亮变化(若n=0,植被为原波段 真彩色影像的色调),水的蓝色调则从明亮向暗淡变化,但总体来说二者基调色与视 觉一致。虽然裸露地物色调随着n的取值变化存在较大幅度的视觉变化,但与植被、 水的差异均有显著差异,不会与水、植被混淆。因而最终的彩色影像有效提高了水、 裸露地物、植被等大类地物的目视分辨力和自动解析力。
本实施例最终的彩色影像成果与原始真彩色影像、标准假彩色影像RGB色彩模式下的全图、植被区域、裸露地物区域、水体区域的统计特征对比分析表见表6~9。RGB 色彩模式下的全图、植被区域、裸露地物区域、水体区域的统计特征对比分析表见表 10。
表6重构彩色影像同真彩色、标准假彩色影像RGB模式统计特征对比分析表
表7重构彩色影像与真彩色、标准假彩色影像RGB模式植被统计特征对比分析表
表8重构彩色影像与真彩色、标准假彩色影像RGB模式裸露地物统计特征对比分析表
表9重构彩色影像与真彩色、标准假彩色影像RGB模式水体统计特征对比分析表
表10重构彩色影像与真彩色、标准假彩色影像HLS模式统计特征对比分析表
从表6~表10中可以看到,融合后的彩色影像的绿色植被信息得到全面显影,基本保持原始真彩色影像水体和裸露地物的特征,改善了真彩色影像视觉效果和整体质量: 可见光卫星遥感真彩色影像的植被信息不突出不自然不真实,纯植被像元色调偏灰, 容易与其它地物混淆;混合植被像元信息淹没在其它地物信息中,植被信息被掩盖; 造成真彩色影像植被信息的目视分辨率低,影像了真彩色模式应用效果。本实施例方 法对真彩色组合影像植被像元信息进行逐点增强,植被纹理、层次、色彩得到全面改 善,有效提高了真彩色影像植被信息的目视分辨力和计算机解析能力,提高了真彩影 像模式应用效果和应用能力。真彩色影像裸露地物与地面视觉效果一致,水体信息因 水体组分不同而呈现从蓝到青至黑等十分丰富的色彩层次,有利于裸露地物的分类判 别和水体组分分析。本实施例方法通过乘积融合对真彩色影像进行色彩重构,既突出 了绿色植被信息,也基本保持了裸露地物和水体的丰富色彩和层次,有效改善了真彩 色影像的视觉效果和整体质量,提高了真彩色影像制图应用的潜力和分类应用的能力, 尤其在高分时代,对于高分辨率影像真彩色影像的应用具有广阔的推广前景。
综上所述,本实施例的卫星遥感真彩色影像色彩重构技术,主要针对具有近红外、红、绿、蓝波段的卫星遥感影像,利用比值指数及其归一化指数在水、裸露地物、植 被等不同地物间的良好分布特征,构建了一个谱间融合衍生的比值指数的归一化指数 的幂函数作为色彩重构函数,采用乘积融合方法对真彩色影像的红、绿波段不同地物 间的亮度分布进行重构,有效改善重构后的红、绿波段与原始蓝波段的彩色合成图像 上的植被色度、亮度和饱和度,同时基本保持裸露地物与水体色调与层次,获得植被、 裸露地物及水体整体色彩协调的近地面自然色特征的新彩色图像。
实施例3:
本实施例的步骤S101和S102同实施例1,区别在于步骤S103和S104。
如图21所示,在本实施例中,步骤S103具体包括:
1)根据融合衍生的比值指数,统计得到其最大值。
对于一幅具体的卫星遥感影像而言,融合衍生的比值指数FI存在相应的统计最大值和统计最小值,分别记为:FImin,FImax。则色彩重构函数f(FI)表达式如下:
其中,0≤1。其最小值为
最大值f
max=2。在[0,+∞)区 间其一阶导数大于等于0,二阶导数小于等于0,因而无论n取定义域上的何值,色彩 重构函数为单调递增的凸曲线。这样一个函数与比值指数具有相同的单调性,同样具 有增强植被信息的功能。指数n具有调节重构函数曲线形态的作用,能够有效改变影像 上水、裸露地物、植被的数据分布和色彩效果。
由图22可见,当n从小到大变化时,在水体附近(FI较小时)的重构曲线斜率由 大到小变化,在植被附近(FI较大时)重构曲线斜率由小到大变化,而在裸露地物(FI居 中时)重构曲线的斜率变化也位于两者之间。这样,重构函数能够有效调节影像上水、 裸露地物、植被等大类地物的亮度分布,进而有效调节合成影像的色彩分布。
2)根据融合衍生的比值指数及其最大值,重构红波段和绿波段。
按照乘积融合重构红、绿波段如下:
R′=R×f
G′=G×f
展开如下:
一般取n=1.0,重构彩色影像中水、裸露地物、植被具有适中的自然调色。进一 步地,通过目视对比重构的真彩色影像与原真彩色影像对应的裸露地物色彩的一致性, 可以人机交互确定一个合适的n值,使得影像上地物间整体色彩更加协调,更加接近于 自然色彩。
本实施例以三波段融合衍生的比值指数为例,应用ENVI统计工具得比值指数最大值FImax=2.2798取重构函数的幂次n=1.0,建立波段运算表达式 b1*(1+(b2/2.2798)^1.0)。其中,b1为原始红波段或者绿波段,b2为三波段融合衍生的 比值指数,计算结果分别为重构的红波段R′或绿波段G′。图23、图24分别为重构的红 波段、绿波段影像。
在本实施例中,步骤S104具体包括:
将重构后的红、绿波段R′、G′与蓝波段B对应置于红、绿、蓝通道合成彩色图像即为由RGB真彩色影像融合得到的彩色图像,最终的彩色影像如图25所示,将最终的 彩色影像进行存储。
最终的彩色影像具有水蓝植被绿的典型特征。当n从小到大变换时,随着重构曲线f的形态变化,重构图像的植被的绿色调从暗淡向明亮变化(若n=0,植被为原真彩 色影像的色调),水的蓝色调则从明亮向暗淡变化,但总体来说二者基调色与视觉一 致。虽然裸露地物色调随着n的取值变化存在较大幅度的视觉变化,但与植被、水的 差异均有显著差异,不会与水、植被混淆。因而最终的彩色影像有效提高了水、裸露 地物、植被等大类地物的目视分辨力和自动解析力。
本实施例最终的彩色影像成果与原始真彩色影像、标准假彩色影像RGB色彩模式下的全图、植被区域、裸露地物区域、水体区域的统计特征对比分析表见表11~14。RGB色彩模式下的全图、植被区域、裸露地物区域、水体区域的统计特征对比分析表 见表15。
表11重构彩色影像同真彩色、标准假彩色影像RGB模式统计特征对比分析表
表12重构彩色影像与真彩色、标准假彩色影像RGB模式植被统计特征对比分析表
表13重构彩色影像与真彩色、标准假彩色影像RGB模式裸露地物统计特征对比分析表
表14重构彩色影像与真彩色、标准假彩色影像RGB模式水体统计特征对比分析表
表15重构彩色影像与真彩色、标准假彩色影像HLS模式统计特征对比分析表
从表11~表15中可以看到,融合后的彩色影像的绿色植被信息得到全面显影,基本保持原始真彩色影像水体和裸露地物的特征,改善了真彩色影像视觉效果和整体质 量:可见光卫星遥感真彩色影像的植被信息不突出不自然不真实,纯植被像元色调偏 灰,容易与其它地物混淆;混合植被像元信息淹没在其它地物信息中,植被信息被掩 盖;造成真彩色影像植被信息的目视分辨率低,影像了真彩色模式应用效果。本实施 例方法对真彩色组合影像植被像元信息进行逐点增强,植被纹理、层次、色彩得到全 面改善,有效提高了真彩色影像植被信息的目视分辨力和计算机解析能力,提高了真 彩影像模式应用效果和应用能力。真彩色影像裸露地物与地面视觉效果一致,水体信 息因水体组分不同而呈现从蓝到青至黑等十分丰富的色彩层次,有利于裸露地物的分 类判别和水体组分分析。本实施例方法通过叠加融合对真彩色影像进行色彩重构,既 突出了绿色植被信息,也基本保持了裸露地物和水体的丰富色彩和层次,有效改善了 真彩色影像的视觉效果和整体质量,提高了真彩色影像制图应用的潜力和分类应用的 能力,尤其在高分时代,对于高分辨率影像真彩色影像的应用具有广阔的推广前景。
综上所述,本实施例的卫星遥感真彩色影像色彩重构技术,主要针对具有近红外、红、绿、蓝波段的卫星遥感影像,利用比值指数在水、裸露地物、植被等不同地物间 的良好分布特征,构建了一个基于谱间融合衍生的比值指数的幂函数作为色彩重构函 数,采用叠加融合方法对真彩色影像的红、绿波段不同地物间的亮度分布进行重构, 有效改善重构后的红、绿波段与原始蓝波段的彩色合成图像上的植被色度、亮度和饱 和度,同时基本保持了裸露地物和水体的色调与层次,获得植被、裸露地物及水体等 地物色彩协调的多种具有近地面自然色特征的新彩色图像。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成,相应的程序可以存储于计算机可读取存储介质中。
应当注意,尽管在附图中以特定顺序描述了上述实施例的方法操作,但是这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才 能实现期望的结果。相反,描绘的步骤可以改变执行顺序。附加地或备选地,可以省 略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
实施例4:
如图26所示,本实施例提供了一种基于融合衍生指数的遥感影像融合系统,该系统包括获取模块2601、融合模块2602、计算模块2603、重构模块2604和合成模块2605, 各个模块的具体功能如下:
获取模块2601,用于获取具有近红外波段、红波段、绿波段、蓝波段的卫星遥感 影像。
融合模块2602,用于将近红外波段与红波段、绿波段和蓝波段中的一个或多个波段进行谱间融合,得到融合后的结果,所述谱间融合的方法为Gram-Schmidt融合或Wavelet融合。
计算模块2603,用于以融合后的波段成果为分子,以及以对应的融合前的波段为分母,计算融合衍生的比值指数。
重构模块2604,用于根据融合衍生的比值指数,重构红波段和绿波段。
合成模块2605,用于根据重构后的红波段、重构后的绿波段以及原始蓝波段,合成得到最终的彩色影像。
本实施例中各个模块的具体实现可以参见上述实施例1,在此不再一一赘述;需要说明的是,本实施例提供的系统仅以上述各功能模块的划分进行举例说明,在实际应 用中,可以根据需要而将上述功能分配给不同的功能模块完成,即将内部结构划分成 不同的功能模块,以完成以上描述的全部或者部分功能。
实施例5:
如图27所示,本实施例提供了一种计算机设备,其包括通过系统总线2701连接 的处理器2702、存储器、输入装置2703、显示装置2704和网络接口2705。其中,处 理器2702用于提供计算和控制能力,存储器包括非易失性存储介质2706和内存储器 2707,该非易失性存储介质2706存储有操作系统、计算机程序和数据库,该内存储器 2707为非易失性存储介质2706中的操作系统和计算机程序的运行提供环境,计算机程 序被处理器2702执行时,实现上述实施例1的遥感影像融合方法,如下:
获取具有近红外波段、红波段、绿波段、蓝波段的卫星遥感影像;
将近红外波段与红波段、绿波段和蓝波段中的一个或多个波段进行谱间融合,得到融合后的结果,所述谱间融合的方法为Gram-Schmidt融合或Wavelet融合;
以融合后的波段成果为分子,以及以对应的融合前的波段为分母,计算融合衍生的比值指数;
根据融合衍生的比值指数,重构红波段和绿波段;
根据重构后的红波段、重构后的绿波段以及原始蓝波段,合成得到最终的彩色影像。
实施例6:
本实施例提供一种存储介质,该存储介质为计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时,实现上述实施例1的遥感影像融合方法, 如下:
获取具有近红外波段、红波段、绿波段、蓝波段的卫星遥感影像;
将近红外波段与红波段、绿波段和蓝波段中的一个或多个波段进行谱间融合,得到融合后的结果,所述谱间融合的方法为Gram-Schmidt融合或Wavelet融合;
以融合后的波段成果为分子,以及以对应的融合前的波段为分母,计算融合衍生的比值指数;
根据融合衍生的比值指数,重构红波段和绿波段;
根据重构后的红波段、重构后的绿波段以及原始蓝波段,合成得到最终的彩色影像。
综上所述,本发明的理论基础扎实、物理意义明确,应用对象广泛,操作简便、 运算效率高。重构影像色彩鲜明、信息丰富、易于目视和自动分类,尤其在当前高分 辨率卫星遥感快速发展背景下,对于推动高分辨率影像在国内外各行各业的推广应用 具有巨大的促进作用。
以上所述,仅为本发明专利较佳的实施例,但本发明专利的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明专利所公开的范围内,根据本发明专利 的技术方案及其发明构思加以等同替换或改变,都属于本发明专利的保护范围。