一种基于高斯滤波和比值变换的SoC芯片图像处理融合方法与流程

本发明涉及一种基于多核soc芯片加速模块的图像处理方法，特别是一种基于高斯滤波和比值变换的soc芯片图像处理融合方法。

背景技术：

随着高分辨率传感器的快速开发和部署，大多数的地球观测卫星，如worldview-2卫星ikonos、quickbird和geoeye-2等，可以同时提供高分辨率的全色(panchromatic，pan)和低分辨率的多光谱图像(multispectral，ms)。全色图像空间分辨率高，但只有一个光谱段，多光谱空间分辨率低，但有丰富的光谱信息。为了弥补全色图像的不足，卫星上一般同时搭载一个多光谱传感器(例如worldview-2遥感卫星多光谱图像包含红、绿、蓝、近红外四个波段)。为了满足目标判读的军事需求，将全色与多光谱图像融合成一幅图像，以便从中快速提取情报信息已成为我国遥感图像应用关注的焦点。

尽管目前已有许多有关全色和多光谱图像融合的研究，但现有方法无法有效解决融合结果中光谱失真和纹理细节模糊的问题；并且，这些方法主要是针对小尺寸图像，计算量大，难以满足大尺寸图像融合的高时效要求，部分在技术领域领先的芯片公司根据这方面需求已开发具有图像加速处理功能的芯片。“精导芯二号”是一款具有高性能图像处理能力的芯片，能够对多尺寸图像进行校正和滤波处理，满足了目前大多数领域对图像预处理的需求。为兼容常用图像处理的应用，设计了多种数据来源通道，并配有多种功能模式，能够对图像进行线性和非线性校正处理，并包含高斯、梯度和中值等多种常用滤波器，功能复杂，使用涵盖面广泛。

技术实现要素：

本发明的目的在于提供一种基于高斯滤波和比值变换的soc芯片图像处理融合方法，解决宽幅图像在融合处理过程中存在的运算速率低，光谱失真和空间细节扭曲的问题。

一种基于高斯滤波和比值变换的soc芯片图像处理融合方法，采用多核soc芯片上的图像加速处理系统实现，包括：高斯滤波分频处理模块、多元线性回归光谱图像处理模块、合成低分辨率图像模块和比值变换算法融合处理模块。

一种基于高斯滤波和比值变换的soc芯片图像处理融合方法的具体步骤为：

第一步高斯滤波分频处理模块用于提取图像低频信息

高斯滤波分频处理模块对图像进行高斯滤波分频处理，高斯函数具有低通性质，模拟人眼视觉机理，通过不同的尺度参数设定，能够模拟人眼远近处所看到的图像。定义获取的新图像为，其中是原始图像的每个像素的低频信息，如式(1)所示：

其中，x表示行，y表示列，orig(x,y)是原始图像中像素值，g(x,y,σ)是高斯滤波器，low(x,y)是orig(x,y)原始图像的低频信息。

使用式(1)对原始全色图像pan和多光谱图像msi进行滤波处理，获取全色图像的低频信息panlf，多光谱的低频信息高斯核窗口和尺度参数影响提取空间细节成分，进而影响全色与多光谱图像空间相关权系数的求解：尺度参数越小提取的空间细节信息越少，反之尺度越大，提取的空间细节信息越多，但存在出现空间细节提取过度的现象，从而导致光谱失真。采用标准高斯分布的值即σ，经过大量实验数据测试，选取高斯核窗口为5x5或9x9，并使用高斯滤波分频处理模块对算法进行加速处理，提高处理效率。

第二步多元线性回归光谱图像处理模块用于获取多光谱图像空间细节信息

多元线性回归光谱图像处理模块采用光谱相关的回归模型合成低分辨率全色图像，如公式(2)：

式中，是多光谱图像空间相关成分，其中，msi表示多光谱图像的各波段，其中i＝1，2，3，4…；表示多光谱各波段的低频信息的均值，imghl是多光谱图像在进行多元线性回归处理和高斯滤波后得到的多光谱图像的空间细节信息。其中的系数由式(3)多元线性回归计算得出：

其中，pan是原始全色图像。

第三步合成低分辨率图像模块用以合成低分辨率图像

合成低分辨率图像模块利用高斯滤波和多元线性回归处理结果合成低分辨率图像。合成低分辨率图像将包含多光谱图像中低分辨率空间细节成分imghl，加上全色波段中近似于多光谱波段但多余多光谱波段的光谱成分panlf，得到低分辨率图像imgsyn，如式(4)所示：

imgsyn＝imghl+panlf(4)

第四步比值变换算法融合处理模块用以计算图像融合结果

比值变换算法融合处理模块是将高分辨率全色图像和合成的低分辨率图像进行比值运算获得图像融合结果。通过比值变换计算，将全色图像和多光谱细节差异根据计算的比值结果按比例分布到多光谱图像的各个波段，从而生成和全色图像分辨率一致的高分辨率多光谱图像。合成低分辨率图像不仅包含了全色图像和多光谱图像的细节差异，还包含了两者之间的光谱差异，在进行比值变换融合处理后，能够减少融合结果的光谱扭曲，获得高保真融合图像，公式如(6)所示：

其中，fusi表示各波段的全色与多光谱图像融合结果，msi是原始多光谱波段，pan是原始全色图像，imgsyn是全色与多光谱图像融合结果。

由于计算过程中，像素点处理相互独立，利用多核soc芯片对其进行并行优化处理，提高算法处理效率。

至此，完成了基于高斯滤波和比值变换的soc芯片图像处理融合。

本发明针对宽幅全色与多光谱图像融合存在光谱失真和计算耗时等问题，根据遥感卫星全色与多光谱波段特性，提出了一种基于高斯滤波和比值变换的高保真融合方法，有效剔除全色与多光谱波段带来的干扰信息，避免了融合处理过程中光谱失真和空间细节扭曲问题，获得高保真融合图像结果。并分析算法模型，利用“精导芯二号”的图像加速处理模块和多核处理器特性对算法进行了优化处理，提高了处理效率，较大的减少了运算时间。

附图说明

图1一种基于高斯滤波和比值变换的soc芯片图像处理融合方法的流程示意图。

1.高斯滤波分频处理模块2.多元线性回归光谱图像处理模块3.合成低分辨率图像模块4.比值变换算法融合处理模块

具体实施方式

一种基于高斯滤波和比值变换的soc芯片图像处理融合方法，采用多核soc芯片上的图像加速处理系统实现，包括：高斯滤波分频处理模块1、多元线性回归光谱图像处理模块2、合成低分辨率图像模块3和比值变换算法融合处理模块4。

高斯滤波分频处理模块1用于提取图像低频信息；

多元线性回归光谱图像处理模块2用于获取多光谱图像空间细节信息；

合成低分辨率图像模块3用于合成低分辨率图像；

比值变换算法融合处理模块4用于计算图像融合结果。

一种基于高斯滤波和比值变换的soc芯片图像处理融合方法的具体步骤为：

第一步高斯滤波分频处理模块1用于提取图像低频信息

高斯滤波分频处理模块1对图像进行高斯滤波分频处理，高斯函数具有低通性质，模拟人眼视觉机理，通过不同的尺度参数设定，能够模拟人眼远近处所看到的图像。定义获取的新图像为，其中是原始图像的每个像素的低频信息，如式(1)所示：

其中，x表示行，y表示列，orig(x,y)是原始图像中像素值，g(x,y,σ)是高斯滤波器，low(x,y)是orig(x,y)原始图像的低频信息。

使用式(1)对原始全色图像pan和多光谱图像msi进行滤波处理，获取全色图像的低频信息panlf，多光谱的低频信息高斯核窗口和尺度参数影响提取空间细节成分，进而影响全色与多光谱图像空间相关权系数的求解：尺度参数越小提取的空间细节信息越少，反之尺度越大，提取的空间细节信息越多，但存在出现空间细节提取过度的现象，从而导致光谱失真。采用标准高斯分布的值即σ，经过大量实验数据测试，选取高斯核窗口为5x5或9x9，并使用高斯滤波分频处理模块1对算法进行加速处理，提高处理效率。

第二步多元线性回归光谱图像处理模块2用于获取多光谱图像空间细节信息

多元线性回归光谱图像处理模块2采用光谱相关的回归模型合成低分辨率全色图像，如公式(2)：

式中，是多光谱图像空间相关成分，其中，msi表示多光谱图像的各波段，其中i＝1，2，3，4…；表示多光谱各波段的低频信息的均值，imghl是多光谱图像在进行多元线性回归处理和高斯滤波后得到的多光谱图像的空间细节信息。其中的系数由式(3)多元线性回归计算得出：

其中，pan是原始全色图像。

第三步合成低分辨率图像模块3用以合成低分辨率图像

合成低分辨率图像模块3利用高斯滤波和多元线性回归处理结果合成低分辨率图像。合成低分辨率图像将包含多光谱图像中低分辨率空间细节成分imghl，加上全色波段中近似于多光谱波段但多余多光谱波段的光谱成分panlf，得到低分辨率图像imgsyn，如式(4)所示：

imgsyn＝imghl+panlf(4)

第四步比值变换算法融合处理模块4用以计算图像融合结果

比值变换算法融合处理模块4是将高分辨率全色图像和合成的低分辨率图像进行比值运算获得图像融合结果。通过比值变换计算，将全色图像和多光谱细节差异根据计算的比值结果按比例分布到多光谱图像的各个波段，从而生成和全色图像分辨率一致的高分辨率多光谱图像。合成低分辨率图像不仅包含了全色图像和多光谱图像的细节差异，还包含了两者之间的光谱差异，在进行比值变换融合处理后，能够减少融合结果的光谱扭曲，获得高保真融合图像，公式如(6)所示：

其中，fusi表示各波段的全色与多光谱图像融合结果，msi是原始多光谱波段，pan是原始全色图像，imgsyn是全色与多光谱图像融合结果。

由于计算过程中，像素点处理相互独立，利用多核soc芯片对其进行并行优化处理，提高算法处理效率。

至此，完成了基于高斯滤波和比值变换的soc芯片图像处理融合。