基于混合亚像元解混的遥感多光谱与全色图像融合方法
【技术领域】
[0001] 本发明涉及遥感图像处理技术领域，具体来说，涉及一种基于混合亚像元解混的 遥感多光谱与全色图像融合方法。
【背景技术】
[0002] 遥感数据融合是将不同传感器数据所提供的信息加以综合，以获得更全面、准确 的图像，它能实现优势互补和消除冗余，克服单一传感器在几何、光谱、空间和时间分辨率 等方面的局限，从而有利于影像解译、分类和目标识别。随着航天、传感器和通信等技术的 发展，遥感数据在空间、光谱、时间分辨率上快速提高。由于传感器物理特性和数据传输能 力等的限制，高空间分辨率和高光谱空间分辨率影像难以同时获取。因此，大量目前在轨的 卫星（例如Landsat7ETM+、QuickBird、SP0T_5和WorldView-2/3等)会同时提供高空间分 辨率的全色波段（PAN)和低空间分辨率的多光谱波段（MS)。由于大量的应用需要使用高空 间分辨率的多光谱图像，近年来国内外研宄人员发展了大量遥感融合技术来融合MS和PAN 图像以得到高空间分辨率的MS图像。
[0003] 现有的MS与PAN融合方法可以分为三类：基于成分替代的方法、基于调制的 方法和基于多尺度分析的方法。基于成分替代融合的典型代表算法有IHS变换、PCA， Gram-Schmidt等，而基于调制技术的融合算法主要有Brovey变换、Pradines'、合成变化 比率（SyntheticVariableRatio)、SmoothingFilter-basedIntensityModulation、 PANSHARP(PS)等。基于成分替代和调制技术的融合算法的特点是快速且易于实现，但其 融合结果会导致一定程度的光谱失真。基于多尺度变换的融合方法，有效地保持了多光谱 图像的光谱信息。然而这类方法的融合图像可能会出现空间畸变，典型的现象有振铃效应、 虚景混淆、边缘以及纹理模糊。为综合成分替代和多分辨率分析等方法分别在空间和光谱 信息保留方面的优势，一些研宄人员提出了成分替代（PCA、HIS、ICA等）或调制技术与多分 辨率分析相结合的融合算法，这类方法能获得优于成分替代和标准多分辨率分析融合的结 果，但增加了计算复杂度。有一些研宄利用正则化优化的方法对融合结果进行迭代。尽管 国内外研宄人员提出了大量新的融合方法来降低融合图像光谱失真，如何进一步降低光谱 失真仍然是遥感融合研宄面临的主要挑战。
[0004] 由于MS和PAN图像空间分辨率的差异，低分辨率MS图像的一个混合像元在重采 样到PAN分辨率的MS图像中对应多个亚像元。这些亚像元中部分像元对应PAN图像中的 纯像元，另一部分则对应PAN图像中的边界像元。在现有融合方法中，对应PAN纯像元的MS 混合亚像元在融合图像中仍然为混合像元，这使得融合图像中植被和非植被像元的边界模 糊，存在较大的光谱失真。因此，为了改善融合图像质量，需要在融合过程中将MS混合亚像 元解混到对应PAN纯像元的地物类别。然而，现有融合方法鲜有考虑混合亚像元的解混。在 少量考虑了混合亚像元解混的融合方法中，主要使用面对对象分类的方法来获取地物类别 信息。但面向对象分类在参数设置、样本训练等方面的复杂性限制了这些方法的实际应用。
[0005] 针对相关技术中的问题，目前尚未提出有效的解决方案。
【发明内容】
[0006] 针对相关技术中的上述技术问题，本发明提出一种基于混合亚像元解混的遥感多 光谱与全色图像融合方法，该方法对MS图像中的混合亚像元（即对应PAN纯像元的混合MS 像元的亚像元)，在融合过程中进行光谱解混处理，从而降低融合图像中混合像元数量，锐 化融合图像边界和降低光谱失真。
[0007] 本发明的技术方案是这样实现的： 一种基于混合亚像元解混的遥感多光谱与全色图像融合方法，包括以下步骤： 将原始低分辨率多光谱图像（#&)采用cubic方式上采样到原始全色图像韵分辨 率，得到并基于该#5计算归一化植被指数MWJ; 利用/"崩和柳KJ，对#5中的亚像元进行分类，得到植被-非植被混合亚像元和其他 亚像元 利用产崩和柳KJ，判断植被-非植被混合亚像元的地物类型类别，其中，所述地物类型 类别包括植被类、或非植被类； 对于#5中每个亚像元（，根据其对应的亚像元类别和地物类型类别进行融合。
[0008] 此外，上述的基于混合亚像元解混的遥感多光谱与全色图像融合方法还包括：将 采用平均法下采样到R倍空间分辨率，再采用立方卷积cubic方式上采用到原始分辨 率，得到产骑;其中，R为与烈崩空间分辨比率。
[0009] 另外，在利用/"崩和柳KJ，对#5中的亚像元进行分类，得到植被-非植被混合亚像 元0卩其他亚像元印寸，可利用边缘检测Canny算子分别计算和AZU的边界石胃 万胃/;并利用直径为的圆盘结构元素，对万胃/进行形态学膨胀得到宽的边界图像 ，胃/ ;同时将在各《中值为1但在中值为〇的像元设置为〇,得到PAN边界图像 再采用直径为的圆盘结构元素对进行形态学膨胀得到宽的/边界图像，利 用^^^和对#5中的亚像元进行分类，得到植被-非植被混合亚像元0卩其他亚像元 C。。
[0010] 此外，在利用，和，对MS中的亚像元进行分类，得到植被-非植被混合亚 像元^卩其他亚像元印寸，可利用中的亚像元分为两类，得到亚像元分 类图，并根据亚像元分类图，得到植被-非植被混合亚像元^卩其他亚像元Q其中，亚像 元分类图戽:的分类规则如下：
其中，如果亚像元（在#^中对应值为1，则被分为植被-非植被混合亚像元'如果t#中对应值为0,则被分为其它亚像元类G。
[0011] 另外，在利用烈辦卩M^KJ，判断植被-非植被混合亚像元的地物类型类别时，可根 据PAN边界图像iT_，计算植被边界像元图像&和非植被像元图像并利用直径为 3的圆盘结构元素，对&进行形态学膨胀，得到膨胀后的植被边界像元图像馬，并将馬中 值为1且在^r中值为1的像元设置为〇,并重复该步骤R-1次，使得馬中值为1的像元 均为植被像元；同时利用直径为3的圆盘结构元素，对.^进行形态学膨胀，得到JV，并将iV中值为1且在中值为1的像元设置为〇,并重复该步骤R-1次，使得1中值为1的 像元均为非植被像元；而对于1和&中每个值为1的像元（，分别在以（为中心、大小 为的领域窗口W((，匁内计算所有值为1的像元的值，并根据该值，采用 以下公式，分别得到图像垃和f;
并对于mpi中每个属于混合亚像元类的像元（，根据和rf，采用以下公 式判断其属于植被G或非植被Cl类别，得到混合亚像元分类图
[0012] 此外，在根据PAN边界图像iT_计算植被边界像元图像^和非植被像元图像 4时，可对于每个亚像元（，在其8邻域内查找与其在PAN图像中灰度差异最大的邻居 像元广得到像元对f};其中，如果则」Cr⑵=1，且( f) =0 ;如果⑵<M?KJ(f)，则拉观⑵=〇, 且C( (，）=1。
[0013] 另外，在对于#5中每个亚像元（，根据其对应的亚像元类别和地物类型类别进行 融合时，可采用暗像元法计算#5和图像的雾气值贫和尽，其中，i等于1，……N，N 为#5图像的波段数量；并判断亚像元（是否属于其它亚像元类&并在判断结果为是的情 况下，利用该像元的原始光谱，采用以下公式进行融合
，其中，藤天为#5的第i波段，MSf为融合图像MS/的第i波段；同时判断亚像元缇否属于 植被-非植被混合亚像元心并在判断结果为是的情况下，利用其邻域内的纯植被或纯非植 被像元的光谱，采用以下公式进行融合：
其中，邻域内的纯植被或纯非植被像元/?在以（为中心、大小为&X5^勺窗口W( (， 内根据以下公式查找：
其中，5^]值小于等于
[0014] 其中，在采用暗像元法计算#5和产必图像的雾气值贫和尽时，可确定/中 最小值对应的位置IDXmin，并利用该IDXmin和以下公式计算尽和华M5办 Hp = 0
[0015] 本发明的有益效果：通过对植被-非植被混合亚像元进行识别并判断其属于植被 或非植被类型，在融合过程中根据其类型将其解混为植被或非植被像元，从而降低融合图 像中混合亚像元的数量，能有效锐化植被-非植被边界和显著降低光谱失真。
【附图说明】
[0016] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所 需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施 例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获 得其他的附图。
[0017] 图1是根据本发明实施例的基于混合亚像元解混的遥感多光谱与全色图像融合 方法的流程示意图； 图2是根据本发明实施例的基于混合亚像元解混的遥感多光谱与全色图像融合方法 中MS亚像元分类流程图。
【具体实施方式】
[0018]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 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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所获得的所有其他实施例，都属于本发明保护的 范围。
[0019] 根据本发明的实施例，提供了一种基于混合亚像元解混的遥感多光谱与全色图像 融合方法。
[0020] 如图1-2所示，根据本发明实施例的基于混合亚像元解混的遥感多光谱与全色图 像融合方法包括以下步骤： 一、将原始低分辨率MS图像（#&)采用cubic(立方卷积)方式上采样到原始PAN图像 (烈奶的分辨率，得到将/采用平均法下采样到R倍空间分辨率，然后再采用cubic 方法上采样到原始分辨率，得到烈<，其中，R为与韵空间分辨比率，基于#5图像 计算归一化植被指数（人
[0021] 二、将#5亚像元分类为植被-非植被边界及其附近混合亚像元和其它亚像元两 类。具体实施步骤如下： 步骤1 :利用Canny(边缘检测）算子分别计算产崩和的边界知，万胃7，阈值分 别设置为通常&/』、于&。在^^卩万胃/中，边界像元和非边界像元的值分别 为 1 (True)和 0 (False); 步骤2 :利用直径为&的圆盘结构元素对iW进行形态学膨胀得到，胃,，将在中 为1但在中为0的像元设置为0得到产崩边界图像中值为1的像元主要 包含植被和非植被边界像元，以及少量非植被-非植被边界像元。利用将中值 为1的非植被-非植被边界像元的值设置为0。最