专利名称：影像快速融合系统及快速融合方法
技术领域：
本发明涉及信息处理技术领域，特别涉及图像并行融合方法，具体为遥感影像快速融合系统及实现方法。
背景技术：
多传感器图像融合属于多传感器信息融合的范畴，是指按照一定的算法，将不同传感器获得的同一景物的图像或同一传感器在不同时刻获得的同一景物的图像合成到一幅满足给定要求的图像中。单一传感器由于受由光的能量和衍射决定的分辨极限、成像系统的调制传递函数、信噪比三个方面的限制，要同时获得光谱、空间和时间的高分辨率是很难的。多传感器图像融合技术由于可以有效的利用多幅图像提供的互补信息和冗余信息， 因此融合后的图像对场景的描述比任何单一源图像都更全面、精确。一般而言，使用多传感器信息融合技术具有以下优点(1)可提高系统的可靠性和鲁棒性；(2)可扩展空间和时间上的观测范围；C3)可提高信息的精确程度和可信度；(4)可提高对目标物的监测和识别性能；(5)可降低对系统的冗余投资。遥感影像数据融合分为三级像元级融合、特征级融合、决策级融合。像元级融合是一种低水平的融合，它是直接在采集到的原始数据层上进行的融合，通常用于多源图像复合、图像分析和理解等。特征级融合是先对原始遥感影像信息进行特征提取，然后对特征进行综合分析和处理，融合结果能最大限度地给出决策分析所需要的特征信息。决策级融合是一种高层次的融合，它是在上述像元级和特征级融合所提供的各类特征信息的基础上对图像信息进行识别、分类或目标检测，并在获得有关区域决策信息后，再对所获得的专题图像进行融合处理，它的融合结果直接为指挥、控制、决策系统提供依据。图像融合是多传感器数据融合的一个重要分支，而多传感图像融合技术最早是被应用于遥感图像的分析和处理中。1979年，Dail等人首先把雷达图像和Landsat-MSS图像的复合图像应用于地质解译，其处理过程可以看作是简单的图像融合。1981年，Laner和 Todd进行了 Landsat-RBV和MSS图像数据的融合试验。到80年代中后期，图像融合技术开始引起人们的关注，陆续有人将图像融合技术应用遥感多光谱图像的分析和处理，90年代以后，随着多颗遥感卫星JERS-1、ERS-1、Radarsat等的发射升空，遥感影像融合技术成为遥感图像处理和分析的研究热点之一。在融合方法上，有一些经典的算法，如各种比值和加权乘法、Brovey变换法、高通滤波法、IHS变换法(也叫HIS变换法)、小波变换法、PCA (主成分分析)法。近年来，小波变换融合方法已用于多传感器影像数据的融合。Jorge Nunez 等基于多分辨率小波分解系数加到低分辨率全色图像的小波分解系数中去，通过使用这种方法对SPOT和LANDSAT (TM)图像进行融合实验，结果表明该技术在保持光谱和空间信息明显优于IHS和LHS方法融合结果。IHS变换是遥感影像融合中较为常用的方法，但有其缺陷。为此，许多研究者对IHS变换融合提出了多种改进算法，哈斯巴干、贾永红、王智均等结合小波变换对I分量进行了改进，最大限度地保留了原多光谱影像的光谱信息。李军等将小波的多分辨率分析与IHS变换相结合，提出了叠加融合的新方法，给出了黑白航空影像
5与TM影像，SAR影像与TM影像的融合结果。它先对高分辨率影像进行小波分解，然后将得到的各小波面叠加到多光谱影像经IHS变换后的强度I影像中。根据遥感影像融合相关文献，小波变换用于遥感影像融合算法主要有二进小波变换、多进制小波变换、多分辨率小波变换、小波包变换等。影像融合模式有小波变换对IHS融合法的改进，和基于小波变换的加权融合等。王相海等对遥感图像经Contourlet变换后的高频子带系数分布的方向特征进行统计分析，发现遥感图像经Contourlet变换后高频系数的分布具有较强的方向区域特征，在此基础上，提出一种基于Contourlet系数方向区域相关性的遥感图像融合算法。实验结果表明，该算法在提高融合图像空间分辨率的同时能够更好地保留原始多光谱图像的光谱信息。该文针对超高分辨率的全色光图像和多光谱图像的融合，所提出的融合算法在对多光谱数据进行对应分析的基础上，利用冗余小波变换提取出全色光图像的空间细节信息并将其融入到成分空间，相比现有同类融合方法，该方法能够在提高空间分辨率的同时更好地保持光谱特性，有效地减少了色彩失真的现象。柴勇等提出了 B-Spline塔型方向滤波器组，由B-Spline金字塔构造误差金字塔，得到与Laplacian金字塔类似的误差金字塔分解结构，然后再采用方向滤波器组进行滤波，得到B-Spline塔型方向滤波器组。仿真表明，新算法能得到比Contourlet变换更好的融合效果，信息损失少。胡根生等研究了一种基于支持向量值轮廓波变换的遥感影像融合方法，首先将支持向量值滤波器和方向滤波器组进行合理搭配，构造支持向量值轮廓波变换，该变换具有平移不变、泛化能力好、捕捉奇异性能强等特性。然后利用该变换对多源遥感影像进行多尺度、多方向、多分辨率分解，在不同的分解水平上利用基于区域能量和基于区域的轮廓波对比度方法进行融合。实验结果表明利用该变换进行遥感影像融合时，能在不降低空间分辨率的情况下有效保留源影像的光谱信息。 图像数据融合技术作为一门很有优势的技术，成为国际技术研究和应用的热点。 纵观国内外当前此领域的研究，多源遥感数据融合的面临一些主要问题为(1)缺乏统一的数据融合模型，特别是数学模型。发展的方向和难点建立一种相对统一的融合数学模型，以简化现有算法的繁杂性。(2)缺乏对数据融合结果的有效评价手段。现有的评价标准都过于简单，缺乏灵活性，无法适应技术发展的需要。(3)传统的多源数据关联和融合算法，不仅需要较多的先验知识，而且当融合源增加以及传感器或被观测地物目标数目增多时，在计算上出现N-P完全复杂性问题，表现出难以克服的计算组合爆炸现象。(4)由于平台(如卫星、飞机)的机动和不稳定性，多源信息的时空配准和误差补偿已成为影像遥感信息融合性能的主要问题之一。(5)大数据量遥感影像融合速度慢，难以适应一些遥感领域应用需要。多源遥感数据融合的发展方向为(1)建立多源遥感数据融合的基本理论，对兼有稳健性和准确性的融合算法研究，并深入探讨更为复杂的融合算法。(2)另一方面是将已有的融合方法工程化和商品化，开发能够提供多种复杂融合算法的处理硬件，以便在数据获取的同时就实现实时的融合。(3)建立信息融合系统的设计和评估方法，尤其是针对不同的应用领域和融合算法，构建相应的定性和定量的评价指标。重点要侧重于单因素的评价体系和综合评价体系兼顾并重。(4)遥感影像与GIS数据库基于特征级的融合方法研究。对遥感图像与GIS数据库的大量背景数据进行叠加、分析，可大大提高GIS中的模式识别能力和可信度。(5)遥感数据与专家系统的决策级结合研究。尽管建立一种相对统一的融合数学模型是多源遥感影像融合的发展目标，但是针对不同应用领域或对象而采用不同的融合算法和模型的方法的现状将仍旧在一定的时期存在。一定程度上仍需要紧密结合实际应用背景开展应用研究。
多源遥感数据融合有着非常重要的实际应用意义。一方面，多源遥感图像所提供的信息具有冗余性、互补性和合作性，多源遥感图像数据融合不仅扩大了各数据的应用范围，而且提高了分析精度，应用效果和实用价值。另一方面，在现代遥感技术的快速发展过程中，各种对地观测卫星所提供的各种遥感信息数据量呈海量程度增长，越来越多的遥感图像数据的出现使人们对数据的处理和分析面临更多的困难和挑战。遥感图像数据的处理要远远滞后于遥感图像数据的获取，如何实现对海量数据的实时处理，如何充分利用如此多的遥感图像数据，以满足人们对高质量图像的迫切需求以及对地物观测数据智能化处理的需求，应用多源遥感图像数据融合以综合利用多源遥感图像进行信息提取和分析是人们对遥感数据的使用的迫切要求。而有效的遥感影像数据融合算法都较为复杂，要充分发挥各种对地观测卫星的作用，结合遥感影像数据融合技术的优势，研究快速的遥感影像数据融合方法显得日益迫切。
由目前出现的遥感影像数据融合方法及在遥感影像数据融合的实际研究可知，遥感影像数据融合较为复杂，计算量大，相应的耗时也较长，对计算机的速度和内存等资源都提出了很高的要求。例如，目前串行PCA融合计算过程为将两幅配准的全色影像和多光谱影像调整为相同图像尺寸，将多光谱影像的R、G、B三个波段数据以一个矩阵输入，设多光谱影像的尺寸为高H，宽W，大小为Size = H*W，则输入矩阵IM的大小为3*Size，
其中协方差矩阵计算如下，协方差矩阵可表示为
权利要求
1.一种影像快速融合系统，该系统基于并行集群计算系统环境，包括图像预处理模块； 图像IHS并行融合模块图像PCA并行融合模块图像小波并行融合模块图像融合效果并行评估模块，所述图像预处理模块和图像融合效果并行评估模块均与所述图像IHS并行融合模块、 图像PCA并行融合模块和图像小波并行融合模块相连。
2.一种影像快速融合方法，包括如下步骤(1)图像预处理对原始多光谱图像和全色图像进行配准并调整为大小相同的图像；(2)图像并行融合，包括a、图像IHS并行融合将预处理后的多光谱图像和全色图像进行IHS并行融合处理，并保存融合结果，再将融合结果与原始多光谱图像进行图像IHS并行融合性能评估；b、图像PCA并行融合将预处理后的多光谱图像和全色图像进行PCA并行融合处理，保存融合结果，再将融合结果与原始多光谱图像进行图像PCA并行融合性能评估；c、图像小波并行融合将预处理后的多光谱图像和全色图像进行小波并行融合，保存融合结果，并将融合结果与原始多光谱图像进行图像小波并行融合性能评估。
3.如权利要求2所述的影像快速融合方法，其特征在于所述图像IHS并行融合主要步骤为1)根据进程数对多光谱遥感图像和全色图像数据进行分块；2)对结点上的小块多光谱遥感图像和全色图像数据进行IHS融合；3)将结点上的融合后的分块融合结果回收，组合形成融合图像；其中步骤2)中的IHS融合过程为IHS融合中的三角变换融合，三角变换计算公式为 1 (1)
4.如权利要求2所述的影像快速融合方法，其特征在于所述图像PCA并行融合的主要步骤为1)根据进程数进行图像数据分配，以此分别并行计算卫星多光谱遥感影像的全局R、 G、B分量的均值；2)根据下式并行计算多光谱影像的协方差矩阵；Xi, Yi分别代表第i个像素R、G、B波段中的其中的一个值；3)协方差矩阵特征值与特征向量计算，按特征值绝对值大小进行特征向量排序；4)采用并行计算进行多光谱影像数据的PCA变换，并将变换后的第一主成分为全色图像替换；5)采用并行计算进行PCA反变换；6)形成融合图像。
5.如权利要求2所述的影像快速融合方法，其特征在于所述图像小波并行融合的主要步骤为1)对配准后的多光谱影像进行并行计算IHS变换，得到分量IM、Hm、、，对分量Im和全色图像进行并行计算两次塔式小波变换；2)对分量Im和全色图像进行小波变换后的所得的相应小波系数按特征匹配度规则进行并行融合；其中特征匹配规则为
6.如权利要求2所述的影像快速融合方法，其特征在于所述并行融合效果评估采用标准差、偏差指数、平均梯度和相关系数四个评价因子进行并行计算，对融合结果进行并行定量分析。
7.如权利要求6所述的影像快速融合方法，其特征在于所述标准差并行计算步骤为(1)根据进程数对融合后的图像进行数据分块；(2)对结点上的小块融合图像进行像素各波段值求和，然后对这些结点上的和回收，并求总和，同时求平均，求得融合图像的各波段均值；(3)对结点上的小块融合图像各像素与融合图像全局均值求差平方和，将所结点上的差平方和求总和，总和与(M*N-1)的商求平方根，即为标准差；标准差公式为
8.如权利要求6所述的影像快速融合方法，其特征在于所述偏差并行计算步骤为(1)根据进程数对融合后的图像及原始多光谱图像进行数据分块；(2)对结点上的小块融合图像及原始多光谱图像按公式下式求商，并对各结点上的商求和；求商公式为汉=士
9.如权利要求6所述的影像快速融合方法，其特征在于所述平均梯度的并行计算步骤为(1)根据进程数进行对融合后的图像进行数据分块；每次分块需从下一块中多取一行图像数据，(2)对结点上的小块融合图像各像素按公式求平方和，并对平方和求和，(3)将所结点上的和回收求总和，总和与Μ*Ν的商，即为平均梯度，平均梯度计算公式为
10.根据权利要求6所述的影像快速融合方法，其特征在于所述相关系数的并行计算步骤为(1)根据进程数对融合后的图像及原始多光谱图像进行图像数据分配，以此分别并行计算融合后的图像及原始多光谱图像的全局R、G、B分量的均值；(2)根据相关系数公式并行计算相关系数各分子和分母中两部分的值；(3)对各结点分子和分母两部分的值分别总体求和，得到相关系数总的分子和分母两部分的值；(4)对总的分子和分母值求商，得到所求的相关系数； 相关系数公式为
全文摘要
本发明提供了一种遥感影像快速融合系统及实现方法，融合系统包括图像预处理模块；图像IHS并行融合模块；图像PCA并行融合模块；图像小波并行融合模块；图像融合效果并行评估模块，所述图像预处理模块和图像融合效果评估模块均与所述图像IHS并行融合模块、图像PCA并行融合模块和图像小波并行融合模块相连。融合方法采用并行融合和评价。本发明提供了一种简单方便又高效的遥感影像快速融合实现方法，为灾害预防及救灾、军事等领域的遥感应用提供了高效的遥感影像快速融合方法与实现系统，解决了大数据量遥感影像融合速度慢的问题。
文档编号G06T5/50GK102521815SQ201110340979
公开日2012年6月27日 申请日期2011年11月2日 优先权日2011年11月2日
发明者向方, 孙华, 王宏福, 王爱民, 王继鹏, 薛笑荣 申请人:孙华, 王爱民, 薛笑荣