基于Tetrolet变换的多通道卫星云图融合方法
【专利摘要】本发明的目的是一种基于Tetrolet变换的多通道卫星云图融合方法。首先对待融合的多通道卫星云图分别进行图像直方图均衡化处理，再分别进行Tetrolet变换，得到低频系数、高频系数及其相对应的拼板覆盖值。然后，在Tetrolet域低频部分，利用拉普拉斯金字塔进行再次分解，对其顶层取均值，其他层取灰度绝对值大的部分后重构；在Tetrolet域高频部分，取每个图像拼板中高频系数标准差较大的部分，拼板覆盖值也取其相对应的值。最后，通过Tetrolet逆变换得到最终的融合图像。实验结果表明本文方法能够很好地实现多通道卫星云图融合，融合图像视觉效果好，能清晰地保留台风眼和云系细节信息，且利用融合结果的台风中心定位精度高，适用于有眼和无眼台风。
【专利说明】基于Tetrolet变换的多通道卫星云图融合方法
【技术领域】
[0001]本发明属于气象预测领域。具体来说，涉及一种以提高台风中心定位精度为目的的基于Tetrolet变换的多通道卫星云图融合方法。
【背景技术】
[0002]气象卫星云图在天气监测预报和大气环境检测中发挥了极其重要的作用，特别是对一些自然灾害的监测起到了关键作用。因此，对卫星云图进行后续分析处理，能更好地获取大气、陆地、海洋、云层等信息，为监测预报提供可靠的数据支持，而且能提高预报的自动化和准确性，具有重要的现实意义。
[0003]我国风云2号卫星通过一个可见光通道、三个红外通道和一个水气通道的扫描辐射仪接收来自地球的可见光、红外和水气辐射，五个通道每半小时各获取一幅覆盖1/3地球的全景原始云图，实施多时次的频繁观测特别适合于检测生命史较短而危害又极大的暴雨、台风、沙尘暴等灾害性天气的发生和发展。但是，各通道的图像成像原理不同，得到的数据信息也有所不同，从单一通道的卫星云图中获取的信息有一定的局限性，不利于反映观测目标的特点。图像融合方法结合了不同通道的卫星云图信息，能够提供更全面的云图信息，利于获取更可靠的数据，提高预报和监测的精度。因此，国内外学者对多通道卫星云图的融合技术都进行了不断地探索。
[0004]A.Abd-Elrahman等人提出了一种在利用小波变换进行卫星云图融合时提高其云相关阴影区域的增强方法，并保留了细节信息，其结果有效地提高了云图质量。Lee，Y.等人提出一种新的小波域卫星图像融合算法，考虑了每一幅源图像的强度和光谱范围以及方面的相关光谱响应。用高斯函数之和表示每个通道的光谱响应，然后用高斯函数建模调整图像的空间和光谱分辨率。该方法融合结果的PSNR (Peak Signal-Noise Ratio)值、均方根误差和相关系数比传统方法的效果更优。V.Harikumar等人提出一种新的基于压缩感知和图像切割法的多分辨率图像融合方法，并对MS (multispectral)和PAN (panchromatic)图像进行融合。该方法用基于正则化的方法解决MS图像不适定的反转问题，用缩短的二次平滑法保留融合图像的间断点，对卫星图像的实验表明该方法优于其他几种同类图像融合方法。N.H.Kaplan等人针对多光谱和全色卫星图像提出了一种新的基于双边金字塔图像融合方法，MS和PAN图像用双边金字塔分解，按照替换法和附加法得到融合图像，与比较广泛使用的 HIS (Intensity-Hue-Saturation)变换、ditrous 小波变换(ditrous WaveletTransform, ATffT)融合方法对比，其提出方法的融合结果的评价参数较优。姜波利用自适应的 PCNN (Pulse Coupled Neural Network)和 NSCT (NonSubsampled ContourletTransform)提出一种将红外云图与可见光云图进行融合的图像融合方法，该方法既能获得较好的方向信息，去除频谱混叠效应，又具有很好的抗噪性。Amr M.Ragheb等人提出一种由IHS变换和离散小波变换(Discrete Wavelet Frame Transform, DWFT)结合的融合方法对卫星图像进行融合，这种方法是为了在图像不变形的情况下得到尽可能高的光谱和空间分辨率，其实验结果表明该方法优于传统融合方法。从上述来看，目前对多通道卫星云图的融合方法主要有基于小波变换的图像融合方法、基于压缩感知的图像融合方法、基于金字塔分解的图像融合方法、基于多尺度变换的图像融合方法、基于IHS变换的对全彩色图像进行融合处理的方法等，并基于这些方法进行一些图像细节的优化，获得较优的融合结果。
[0005]多源图像融合经过几十年的发展，其技术的理论依据越来越完备，应用场合也越来越广泛。目前，多源图像融合方法主要是基于空间域的图像融合方法和基于变换域的图像融合方法。基于空间域的图像融合方法主要有线性加权图像融合、假彩色图像融合、基于调制的图像融合、基于统计的图像融合以及基于神经网络的图像融合等。基于变换域的融合方法包括基于离散余弦变换(Discrete Cosine Transform, DCT)的图像融合算法、基于快速傅里叶变换(Fast Fourier Transformation, FFT)的图像融合算法、基于多尺度分解的图像融合算法等。其中，多尺度分解的图像融合算法应用广泛且得到了越来越多研究者的重视。多尺度分解的图像融合方法始于Burt P.J.在1984年提出的基于拉普拉斯金字塔(Laplacian Pyramid)分解的图像融合算法。随后,Ranchin和Wald在1993年提出了基于离散小波变换的图像融合算法应用于遥感图像。随着多尺度几何分析的发展，研究者们对基于多尺度分解的图像融合技术进行了不断地探索。
[0006]Miao Qiguang等人提出了一种基于Contourlet变换的图像融合方法,对高频部分进行区域能量比较，并结合一致性检验，得到在边缘保持和纹理信息方面优于小波变换方法和拉普拉斯金字塔的图像融合方法的结果。Shutao Li等人提出了一种结合Curvelet和小波变换的多聚焦图像融合算法，该图像融合结果优于其他任何单独的多尺度融合方法。Juan Lu等人提出了一种基于NSCT和能量熵的图像融合算法，该算法的融合结果具有更丰富的方向信息和很强的噪声鲁棒性。Q1-guang Miao等人利用Shearlet变换的方向性、定位性、各向异性、多尺度等优势，将Shearlet变换用于图像融合，其融合结果比其他方法包含更多的细节和较小的失真信息。
[0007]Jens Krommweh于2009年提出了 Tetrolet变换，它兼顾了 Curvelet等方法的优点，是一种新的稀疏图像表示的自适应Haar小波变换，能很好地表示图像几何结构特性，稀疏化程度非常高。至今，Tetrolet变换已应用于图像去噪、图像稀疏表示和图像复原领域，在图像融合方向还没有相关的研究成果，本发明尝试将Tetrolet变换引入到图像融合领域，并将其结合拉普拉斯金字塔分解的融合方法实现多通道卫星云图融合。
【发明内容】
[0008]本发明的目的是提供一种基于Tetrolet变换的多通道卫星云图融合方法。先对待融合的多通道卫星云图分别进行图像直方图均衡化处理，再分别进行Tetrolet变换，得到低频系数、高频系数及其相对应的拼板覆盖值。然后，在Tetrolet域低频部分，利用拉普拉斯金字塔进行再次分解，对其顶层取均值，其他层取灰度绝对值大的部分后重构；在Tetrolet域高频部分，取每个图像拼板中高频系数标准差较大的部分，拼板覆盖值也取其相对应的值。最后，通过Tetrolet逆变换得到最终的融合图像。
[0009]为了达到所述目的，本发明基于Tetrolet变换的多通道卫星云图融合方法，具体步骤如下:
[0010]步骤I对配准后的源图像A和B分别进行直方图均衡化处理，得到图像A’和B’ ；
[0011]步骤2对图像A’和B’进行Tetrolet变换，分解层数为M，得到高频系数THa和THb、低频系数TLa和TLb及相应的拼板覆盖值TCa和TCb ；
[0012]步骤3分别对低频系数TLa和TLb做拉普拉斯金字塔分解，分解层数为N，得到分解图像LA和LB，第η (O < η≤N)层子图分别为LAn^P LBn ；
[0013]步骤4对拉普拉斯金字塔顶层子图LAn和LBn用均值法进行融合，得到融合结果LFn为
【权利要求】
1.基于Tetrolet变换的多通道卫星云图融合方法，其特征在于:首先对待融合的多通道卫星云图分别进行图像直方图均衡化处理，再分别进行Tetrolet变换，得到低频系数、高频系数及其相对应的拼板覆盖值；然后，在Tetrolet域低频部分，利用拉普拉斯金字塔进行再次分解，对其顶层取均值，其他层取灰度绝对值大的部分后重构；在Tetrolet域高频部分，取每个图像拼板中高频系数标准差较大的部分，拼板覆盖值也取其相对应的值，最后，通过Tetrolet逆变换得到最终的融合图像。
2.如权利要求1所述的基于Tetrolet变换的多通道卫星云图融合方法，其特征在于:包括以下步骤: 步骤I对配准后的源图像A和B分别进行直方图均衡化处理，得到图像A’和B’ ； 步骤2对图像A’和B’进行Tetrolet变换，分解层数为M，得到高频系数THa和1^、低频系数TLa和TLb及相应的拼板覆盖值TCa和TCb ； 步骤3分别对低频系数TLa和TLb做拉普拉斯金字塔分解，分解层数为N，得到分解图像LA和LB，第η (O < η≤N)层子图分别为LAn和LBn ； 步骤4对拉普拉斯金字塔顶层子图LAn和LBn用均值法进行融合，得到融合结果LFn为
3.根据权利要求1或2所述的基于Tetrolet变换的多通道卫星云图融合方法，其特征在于:对图像A’和B’进行Tetrolet变换,基于Tetrolet变换的图像分解算法主要步骤包括: 步骤I把图像分成4X4子块； 步骤2考虑117种四格拼板分割方案，应用Haar小波变换获得每一种方案的高频和低频系数，选择Tetrolet系数小的方案,得到每个子块中的稀疏Tetrolet表示； 步骤3重新排列每个子块中的高频和低频部分的系数，把它们排列成2X2的子块； 步骤4存储Tetrolet系数的高频部分； 步骤5对低频部分重复进行步骤1-4的操作。
4.根据权利要求1所述的基于Tetrolet变换的多通道卫星云图融合方法，其特征在于:对图像的Tetrolet分解系数分别按照各自的融合规则融合，Tetrolet域低频部分,利用拉普拉斯金字塔进行再次分解，对其顶层取均值，其他层取灰度绝对值大的部分后重构；Tetrolet域高频部分，取每个图像拼板中高频系数标准差较大的部分，拼板覆盖值也取其相对应的值。
5.根据权利要求4所述的基于Tetrolet变换的多通道卫星云图融合方法，其特征在于:对融合源图的Tetrolet低频系数做拉普拉斯金字塔分解，然后对拉普拉斯金字塔顶层子图用均值法进行融合，Tetrolet低频系数的融合步骤为: 步骤I别对低频系数TLa和TLb做拉普拉斯金字塔分解，分解层数为N，得到分解图像LA和LB，第η (O < η < N)层子图分别为LAn和LBn ； 步骤2对拉普拉斯金字塔顶层子图LAn和LBn用均值法进行融合，得到融合结果LFn为
6.根据权利要求4所述的基于Tetrolet变换的多通道卫星云图融合方法，其特征在于:在Tetrolet变换域高频系数部分，对每个分解子块按照标准差取大的融合规则融合，记第m (O < m≤M)层P行q列的高频系数分别为(THa)m(p, q)和(THb)m(p, q)，其大小为12X I的矩阵，其中O < P < CHm，0 < q < RHm, CHm是分解子图第m层高频系数的行数，RHm是分解子图第m层高频系数的列数，则
【文档编号】G06T5/00GK103700075SQ201310729319
【公开日】2014年4月2日 申请日期:2013年12月25日 优先权日:2013年12月25日
【发明者】张长江, 陈源 申请人:浙江师范大学