1.基于联合稀疏与结构字典的遥感图像融合方法,其特征在于,包括以下步骤:
步骤一:获取多光谱图像和全色图像,对多光谱图像进行上采样处理得到上采样图像;
步骤二:对步骤一所得的上采样图像中各波段图像求均值得到强度分量,将全色图像与强度分量进行匹配得到新的全色图像;
步骤三:采用在线稀疏字典学习算法对步骤一得到的上采样图像中各波段图像以及步骤二得到的新的全色图像分别训练,获取对应的结构字典;
步骤四:采用联合稀疏模型,从步骤二得到的新的全色图像中提取不同于步骤一得到的上采样图像中各波段图像的特有分量;
步骤五:基于ARSIS融合框架,将步骤四得到的特有分量融入到步骤一得到的上采样图像的各波段图像中,得到融合多光谱图像。
2.如权利要求1所述的基于联合稀疏与结构字典的遥感图像融合方法,其特征在于,步骤一中所述对多光谱图像进行上采样处理得到上采样图像是指:
采用双三次线性插入方法将多光谱图像上采样p倍得到上采样图像XMS,其中,p为全色图像和多光谱图像空间分辨率的比值。
3.如权利要求2所述的基于联合稀疏与结构字典的遥感图像融合方法,其特征在于,p=4。
4.如权利要求1所述的基于联合稀疏与结构字典的遥感图像融合方法,其特征在于,步骤二的具体步骤包括:
步骤2.1:对步骤一所得的上采样图像XMS中各波段图像求均值,得到强度分量I,即
其中,是XMS第j(j=1,2,…,k)个波段的光谱图像,k是波段的个数;
步骤2.2:将步骤一所得的全色图像与步骤2.1所得的强度分量I进行直方图匹配,得到新的全色图像XPAN。
5.如权利要求1所述的基于联合稀疏与结构字典的遥感图像融合方法,其特征在于,步骤四的具体步骤包括:
步骤4.1:对上采样图像XMS中各波段图像和XPAN图像利用联合稀疏建模得到如下式所示的优化问题:
利用OMP算法对上式求解,得到稀疏系数其中,αCj为公共稀疏系数,
为
中第j个波段图像对应的特有稀疏系数,
为全色图像XPAN对应的特有稀疏系数;
步骤4.2:采用类似绝对值取大的方法对步骤4.1获得的全色图像XPAN对应的特有稀疏系数进行选取,得到融合所需的全色图像特有稀疏系数αpj,所述类似绝对值取大的方法如下式:
步骤4.3:将步骤4.2获得的全色图像特有稀疏系数αpj重构,得到所需的特有分量
计算公式如下:
其中,Dp为全色图像XPAN经过训练所获取的结构字典。
6.如权利要求1所述的基于联合稀疏与结构字典的遥感图像融合方法,其特征在于,步骤五的具体步骤包括:
基于ARSIS融合框架,将步骤4.3获得的特有分量融入到步骤一所得的上采样图像XMS的各波段图像中,得到融合多光谱图像,融入模型为:
其中,为融合后光谱图像的第j个波段图像。