一种多光谱影像和全色卫星影像融合方法
【技术领域】
[0001] 本发明涉及卫星遥感图像处理技术领域，尤其涉及一种多光谱影像和全色卫星影 像融合方法。
【背景技术】
[0002] 目前，在遥感影像的融合技术中，多光谱影像MS和高空间分辨率全色影像PAN的 融合是最重要的一类。通过多光谱影像和全色影像融合后，获得了同时具有高空间分辨率 和光谱质量的遥感图像是当前研究热点。过去常用的一些遥感影像处理方法，如HIS(亮 度、饱和度、色度）变换和PCA(主成分分析）变换融合方法，其融合后影像，在保持较高空 间分辨率的同时，总是发生严重的光谱失真现象。如何在提高空间分辨率的同时，能够保持 融合影像的光谱质量，这依旧是当前遥感影像融合研究中的难点。
[0003] 国内现有的遥感融合技术主要包括代数运算法、高通滤波法、HIS变换法、主分量 分析法、分量替换法以及较热门的小波分析融合法等等。影像融合方法从传统的HIS变换、 PCA变换等方法，经过金字塔分解融合、小波变换融合等方法的洗礼，逐步进入到新的应用 Contourlet变换融合阶段。与此同时，在融合算法的改造上，越来越多的传统算法相结合 的方式被使用，在一定程度上增进了融合效果，提升了融合效率。对于HIS变换融合和PCA 变换融合等方法，他们对于多光谱及全色影像的融合结果都能有不错的空间几何信息保有 度，能保持较高的空间分辨率，但总是会发生较大的光谱扭曲。小波变换影像融合尽管同传 统的像素级影像融合方法相比，具有很好的光谱质量，但其对空间细节信息的保持则显得 不足，融合影像常常出现模糊甚至"重影"现象。
[0004] 鉴于此，有必要研究一种可以对多光谱影像和全色卫星影像进行有效融合的方 案。
【发明内容】
[0005] 本发明的目的是提供一种多光谱影像和全色卫星影像融合方法，可以对全色卫星 影像和多光谱影像进行准确、有效配准，并有效获取融合图像。
[0006] 本发明的目的是通过以下技术方案实现的：
[0007] -种多光谱影像和全色卫星影像融合方法，包括：
[0008] 分别提取多光谱影像与全色卫星影像的SIFT特征点，并对提取到的SIFT特征点 做降维处理；
[0009] 采用BBF算法对降维处理后的SIFT特征点进行粗匹配，并对粗匹配后的结果进行 误匹配消除，再采用仿射变换进行精确匹配；
[0010] 对精确匹配后的多光谱影像进行HIS变换获得亮度、饱和度与色度分量，将其中 的亮度分量以及精确匹配后的全色卫星影像的直方图分别进行小波变换，并将二者的小波 变化结果依次进行高频替换、小波逆变换得到新的亮度分量；
[0011] 通过预设的参数对所述新的亮度分量进行更新，再将更新后的亮度分量与所述饱 和度与色度分量进行HIS逆变换，从而实现多光谱影像和全色卫星影像的融合。
[0012] 所述分别提取多光谱影像与全色卫星影像的SIFT特征点，并对提取到的SIFT特 征点做降维处理包括：
[0013] 分别构建光谱影像与全色卫星影像的SIFT空间金字塔，利用SIFT空间金字塔求 得极值点，并对极值点进行筛选，以去除不稳定极值点，再根据筛选后的极值点进行方向和 尺度的计算，从而获得多光谱影像的SIFT特征点以及全色卫星影像的SIFT特征点；
[0014] 采用SIFT特征描述与PCA算法相结合的方式分别对多光谱影像的SIFT特征点以 及全色卫星影像的SIFT特征点做降维处理。
[0015] 所述采用BBF算法对降维处理后的SIFT特征点进行粗匹配，并对粗匹配后的结果 进行误匹配消除后，再采用仿射变换进行精确匹配包括：
[0016] 对降维处理后的多光谱影像的SIFT特征点以及全色卫星影像的SIFT特征点进行 基于堆的优先队列方法搜索匹配；
[0017] 然后，通过RANSAC算法，对匹配结果进行消除误匹配；
[0018] 再基于仿射变换模型，对误匹配消除后的多光谱影像的SIFT特征点以及全色卫 星影像的SIFT特征点进行平移、缩放和旋转处理，从而完成影像的精确匹配。
[0019] 所述对精确匹配后的多光谱影像进行HIS变换获得亮度、饱和度与色度分量，将 其中的亮度分量以及精确匹配后的全色卫星影像的直方图分别进行小波变换，并将二者的 小波变化结果依次进行高频替换、小波逆变换得到新的亮度分量包括：
[0020] 将多光谱影像从RGB颜色空间转换到HIS颜色空间，获得亮度、饱和度与色度分 量，并对全色卫星影像进行直方图匹配；
[0021] 分别对多光谱影像的亮度分量及全色卫星影像匹配后的直方图进行小波变换，并 将亮度分量小波变换后的高频部分移去，用全色卫星影像匹配后的直方图小波变换后的高 频部分进行替换，再对替换结果进行小波逆变换，从而得到新的亮度分量。
[0022] 所述通过预设的参数对所述新的亮度分量进行更新，再将更新后的亮度分量与所 述饱和度与色度分量进行HIS逆变换，从而实现多光谱影像和全色卫星影像的融合包括：
[0023] 利用预设的参数a、b、c与新的亮度分量进行下述计算，从而获得更新后的亮度分 量：
[0024] I " = a · I' +b · IPAN+c · Ims
[0025] 其中，参数a、b、c均为常数；I'为所述新的亮度分量，Ipan为全色卫星影像的亮度 分量，I ms为多光谱影像通过HIS变换获得亮度分量，I"为更新后的亮度分量；
[0026] 再将更新后的亮度分量I "与多光谱影像通过HIS变换获得的饱和度与色度分量 HIS逆变换，变换后获得的融合图像即为多光谱影像和全色卫星影像的融合图像。
[0027] 由上述本发明提供的技术方案可以看出，利用SIFT与PCA-SIFT结合的方法，找到 全色图像与多光谱图像的特征点，基于这些特征点依次使用BBF、RANSAC和仿射空间变换 进行精确匹配；然后，根据HIS变换和小波变换的改进方法进行融合；再引入预设的参数， 结合全色图像的亮度和HIS变换得到的亮度得到新的亮度分量，最后通过HIS逆变换得到 融合图像；本方案在一定程度上解决了目前融合方法所存在的部分问题，使融合后图像质 量有明显改进。
【附图说明】
[0028] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用 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 领域的普通技术人员来讲，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 附图。
[0029] 图1为本发明实施例提供的一种多光谱影像和全色卫星影像融合方法的流程图；
[0030] 图2为本发明实施例提供的详细的多光谱影像和全色卫星影像融合方法的流程 图；
[0031] 图3为本发明实施例提供的二维图像f(x，y)分解示意图；
[0032] 图4为本发明实施例提供的图像的Mallat小波分解过程示意图；
[0033] 图5为本发明实施例提供的图像的重构过程示意图；
[0034] 图6为本发明实施例提供的对遥感影使用小波变换进行融合的原理示意图。
【具体实施方式】
[0035] 下面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，都属于本发明的保护范围。
[0036] 图1为本发明实施例提供的一种多光谱影像和全色卫星影像融合方法的流程图。 如图1所示，其主要包括如下步骤：
[0037] 步骤11、分别提取多光谱影像与全色卫