基于多冗余字典和稀疏重构的遥感图像融合方法

基于多冗余字典和稀疏重构的遥感图像融合方法
【技术领域】
[0001] 本发明属于智能图像处理技术领域，特别涉及一种图像融合方法，可用于到目标 识别、气象监测、环境监测、土地利用、城市规划以及防灾减灾。
【背景技术】
[0002] 近年来，卫星技术在全球范围内迅猛发展，至今世界各主要发达国家和少数发展 中国家，包括中国、印度等先后发射了数以百计的卫星，作业波段覆盖可见光至不可见的近 红外、短波红外、中红外、远红外、微波等广阔频域。这些卫星每天向散布在世界各地的卫星 地面站和移动接收站传送覆盖全球的海量卫星遥感数据。这些遥感数据为目标的识别、环 境监测等提供了丰富而又宝贵的资料。但是由于实际应用中所需的遥感图像数据在时间、 空间和光谱方面差异很大，而各种传感器提供的遥感图像数据都具有不同的特点，例如全 色图像具有很高的空间分辨率，但是却没有丰富的光谱信息，而多光谱图像具有较好的光 谱信息，但是分辨率却只有全色图像的四分之一，所以遥感技术应用的主要障碍不是数据 源的不足，而是从这些数据源中提取更丰富、更有用和更可靠信息的能力大小。多源遥感图 像融合是对图像数据之间的冗余性进行充分利用，从而降低在单一的遥感数据中存在的误 差和不确定性，提高识别率和精确度。所以多源遥感数据的融合，尤其是多光谱和全色图像 的融合，被认为是现代多源图像处理和分析中非常重要的一步。
[0003]目前，市场上使用的多光谱和全色图像融合方法主要有三类，一类是基于空间域 的融合方法，一类是基于多尺度变换的融合方法，还有一类是目前很多学者在研宄的基于 压缩感知和字典学习的融合方法。
[0004] 基于空间域的融合方法主要有HIS变换、PCA变换，Gram-Schmidt变换，以及 Brovery变换等。这几种方法因其较低的计算复杂度，所以常被用于多个商业软件中。该类 方法得到的融合图像具有较高的空间分辨率，但是光谱失真问题也是不可忽视的，而这个 问题已经被很多的研宄者所指出。
[0005] 基于变换域的方法主要有基于拉普拉斯变换的融合方法、基于Wavelet变换的融 合方法，以及基于多尺度几何分析的融合方法，如Contourlet、Bandlet和Shearlet等。这 类方法相比于基于空间域的融合方法，融合图像的光谱失真情况得到改善，但是空间分辨 率却没有基于空间域的融合方法好。这是由于融合图像的空间分辨率受到所采用的多尺度 几何变换的约束，例如Wavelet变换只能将图像分解为三个方向，Shearlet变换等虽然能 够对图像进行更多方向的分解，但还数目仍然是有限的。面对具有复杂细节信息的遥感图 像，有限的方向很难达到最优的逼近，从而影响了融合图像的细节信息，造成融合图像空间 分辨率的下降。
[0006] 第三类是基于压缩感知和字典学习的融合方法。该类方法是在压缩感知的框架 下，将多光谱和全色图像的融合问题转化为一个压缩感知重构问题。该类方法把低分辨率 多光谱图像看做是融合图像的下采样图像，而把高分辨率全色图像看作是融合图像的各个 波段的线性加和图像，从而将低分辨率多光谱图像和高分辨率全色图像作为压缩感知方法 中的测量，然后设计相应的观测矩阵，通过求解一个优化问题，得到融合图像。该类方法的 问题在于，当高分辨率全色图像近似等于融合图像的各个波段的线性加和的图像时，通过 该方法能够得到较好的融合图像，而当高分辨率图像与融合图像的各个波段的线性加和的 图像误差较大的时候，融合图像就会有较大的光谱失真。而在已有的文献中，该线性加和的 权值都取为固定的数值，难以满足多样的遥感数据，造成融合图像光谱信息的丢失。因此对 于多样的多光谱和全色图像，寻找一种更加有效的融合方法，是目前市场上急需解决的问 题。

【发明内容】

[0007] 本发明的目的在于针对上述已有技术的不足，提出一种基于多冗余字典和稀疏重 构的遥感图像融合方法，以解决现有技术在多光谱和全色图像融合过程中光谱信息和空间 分辨率难以平衡的问题，提高融合图像的质量。
[0008] 为实现上述目的，本发明的实现步骤如下：
[0009] 1)输入一幅高分辨率全色图像f和一幅低分辨率多光谱图像g，该低分辨率多光 谱图像的大小是高分辨率全色图像大小的四分之一；
[0010] 2)提取高分辨率全色图像f的PrimalSketch图，并根据该PrimalSketch图和 几何模板，将高分辨率全色图像划为结构区域和非结构区域，并根据图像的方差统计特性， 再将非结构区域划分为纹理区域和光滑区域，得到高分辨率全色图像的区域映射图；
[0011] 3)对低分辨率多光谱图像g和高分辨率全色图像f进行分块，得到在相同位置的 低分辨率多光谱图像的图像块gij和高分辨率全色图像的图像块记f』，其中i= 1，. . .，4,j =1，. . .，J，i表示波段个数，j表示块的个数；
[0012] 4)对低分辨率多光谱图像的图像块的各个波段进行线性求和，得到低分辨率
【主权项】
1. 一种基于多冗余字典和稀疏重构的遥感图像融合方法，包括如下步骤： 1) 输入一幅高分辨率全色图像f和一幅低分辨率多光谱图像g，该低分辨率多光谱图 像的大小是高分辨率全色图像大小的四分之一； 2) 提取高分辨率全色图像f的PrimalSketch图，并根据该PrimalSketch图和几何 模板，将高分辨率全色图像划为结构区域和非结构区域，并根据图像的方差统计特性，再将 非结构区域划分为纹理区域和光滑区域，得到高分辨率全色图像的区域映射图； 3) 对低分辨率多光谱图像g和高分辨率全色图像f进行分块，得到在相同位置的低分 辨率多光谱图像的图像块gu和高分辨率全色图像的图像块记fj.，其中i= 1，...，4,j= 1，. . .，J，i表示波段个数，j表示块的个数； 4) 对低分辨率多光谱图像的图像块gu的各个波段进行线性求和，得到低分辨率光 谱-强度图像块Ij.，其中
Wi表示低分辨率多光谱图像的第i个波段的权重值； 根据低分辨率光谱-强度图像块Ij.和高分辨率全色图像块fj.，得到高分辨率光谱-强度图 像块列向量J'j.; 6)根据高分辨率光谱-强度图像的列向量J'J和低分辨率多光谱图像块gu，得到融 合图像块Pu; 6a)将步骤2)得到的区域映射图映射到低分辨率多光谱图像上，并进行判断；如果低 分辨率多光谱图像块gu在光滑区域，则执行步骤化），否则，执行步骤6c); 6b)对低分辨率多光谱图像块gu进行上采样得到融合图像块Pu，其中i表示融合图 像块的第i个波段，j表示融合图像的第j块； 6c)根据低分辨率多光谱图像块gu组成低分辨率多光谱图像块列向量
其 中g'U是低分辨率多光谱图像块gU的列向量； 6d)基于高分辨率光谱-强度图像块列向量J'J和低分辨率多光谱图像块列向量g'j.， 通过BP算法求解式，得到融合图像块列向量P'J的稀疏系数式： 毛=argminl，IIAII, +(||g; -M，Zⅈ +片，IIJ； 巧I門， Pj 其中，||，||^表示?的二范数的平方，Z为融合图像块重构字典，其根据低分辨率多光谱 图像块gu所在区域选择