專(zhuān)利名稱(chēng)：：殘差超復(fù)數(shù)對(duì)偶分解的多光譜和全色圖像融合方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于圖像融合
技術(shù)領(lǐng)域：
，具體涉及一種殘差超復(fù)數(shù)Symplectic(對(duì)偶)分解的多光譜和全色圖像融合方法。技術(shù)背景目前，對(duì)地觀測(cè)衛(wèi)星提供了越來(lái)越多的覆蓋同一區(qū)域多空間、多分辨率、多時(shí)相和多光譜的圖像，為進(jìn)行地形測(cè)繪與地圖更新、土地利用分類(lèi)、農(nóng)作物與森林分類(lèi)、冰雪/洪澇災(zāi)害監(jiān)測(cè)等提供了豐富的數(shù)據(jù)。為了利用這些數(shù)據(jù)，人們需要將多光譜和全色圖像進(jìn)行融合。基于強(qiáng)度-色度-飽和度(Intensity-Hue-Saturate,IHS)變換的多光譜和全色圖像融合方法[11已經(jīng)成為對(duì)地觀測(cè)圖像分析的一個(gè)標(biāo)準(zhǔn)過(guò)程，它可用于高度相關(guān)的圖像數(shù)據(jù)的色彩增強(qiáng)以及改善空間分辨率等融合處理。標(biāo)準(zhǔn)的IHS變換方法適用的情況是，全色圖像和從多光譜上獲得的亮度分量是高度相關(guān)的。可是，當(dāng)全色圖像的頻譜范圍沒(méi)有覆蓋多光譜圖像的所有波段和/或全色圖像和多譜圖像不是同時(shí)獲取的時(shí)候，通過(guò)IHS變換得到多譜圖像的亮度分量和全色圖像之間的差異很大，此時(shí)如果用IHS變換方法進(jìn)行全色圖像和多譜圖像融合，將會(huì)出現(xiàn)嚴(yán)重的光譜失真[1]。同樣，主元分析(PrincipleComponentAnalysis,PCA)的融合方法，簡(jiǎn)單地利用高分辨率全色圖像來(lái)替換低分辨率多光譜圖像的第一主成分，會(huì)造成低分辨率多光譜圖像中的一些光譜特性的損失，因此使得融合的結(jié)果圖像發(fā)生嚴(yán)重的光譜畸變[2]。高通濾波融合方法雖然保留了多光譜圖像的信息，但卻在對(duì)高分辨率圖像濾波時(shí)，濾掉了許多的紋理信息[3]。小波變換融合法可以較好地保留多光譜圖像中的光譜信息，但其融合效果受到小波分解級(jí)數(shù)的影響。此外，小波系數(shù)的融合會(huì)破壞其正反變換的正交性而導(dǎo)致頻譜泄漏，從而使其融合的結(jié)果圖像產(chǎn)生方塊效應(yīng)[4]。可以發(fā)現(xiàn)上述方法都只是通過(guò)某種變換來(lái)替換某個(gè)成分，沒(méi)有充分的考慮全色圖像的完整的光譜信息。文獻(xiàn)[5]中提到真實(shí)的矢量信號(hào)是由各個(gè)分量的同時(shí)存在而決定的，忽略和改變?nèi)我环至浚疾荒苤貥?gòu)原來(lái)的矢量信號(hào)。多光譜圖像就是一種矢量信號(hào)，它的每一個(gè)像素都是用紅(R)、綠(G)和藍(lán)(B)三原色矢量信號(hào)來(lái)表示的。如果通過(guò)某種變換，如前所述的IHS和PCA等變換方法等，它們是將每一個(gè)矢量像素的R、G和B分量分別作為一個(gè)元素放入其所表示的矩陣中，那么在將該矩陣進(jìn)行IHS和PCA等融合方法所需要的矩陣變換，分解、替換和反變換(例如主元分解和替換)時(shí)，RGB三原色特定的位置關(guān)系，例如，如果設(shè)n、g,和^以及&和62分別是初始多光譜彩色圖像用RGB三原色表示的兩個(gè)矢量像素，那么矩陣的變換，分解、替換和反變換，可能會(huì)使某一矢量像素的分量與其它矢量像素的分量混合，從而產(chǎn)生不同于初始多光譜彩色圖像RGB三原色位置關(guān)系的各種各樣可能不同的組合(如使得n，gi和Z^變成n，g2和^以及^，&和62變成^2，^和62)。這意味著這樣的變換破壞了原始圖像在RGB三原色矢量空間位置上的特定關(guān)系，那么其融合結(jié)果圖像將會(huì)導(dǎo)致失真。這就是至今未知及不能解釋的IHS和PCA融合方法為什么會(huì)產(chǎn)生色彩失真的原因^。
發(fā)明內(nèi)容為了克服現(xiàn)有多光譜圖像融合方法存在的這一缺點(diǎn)，本發(fā)明將表示多光譜圖像的矢量像素用超復(fù)數(shù)矢量進(jìn)行整體描述和處理，目的是使其在RGB三原色矢量空間位置上的特定關(guān)系在后續(xù)的變換和處理中得到保持，以避免處理后圖像的失真。本發(fā)明首先通過(guò)分別獲取多光譜圖像和全色圖像的殘差圖像，對(duì)用RGB表示的多光譜圖像的殘差圖像采用超復(fù)數(shù)矢量像素直接進(jìn)行整體描述，以保持RGB三原色矢量像素在矢量空間位置上的特定關(guān)系。而對(duì)于全色圖像的殘差圖像，由于它的像素是標(biāo)量的，為了使其的表示與彩色殘差圖像一致以便于后續(xù)處理和融合，我們將其每一個(gè)標(biāo)量像素?cái)U(kuò)展為三維的矢量像素[7]。同時(shí)，為了保證了矢量像素的能量與用標(biāo)量像素表示時(shí)的一致性，我們將每個(gè)標(biāo)量像素值乘以1/V^。這樣矢量化后全色圖像的殘差圖像，就也可以用超復(fù)數(shù)矢量進(jìn)行整體描述和處理了。其次，對(duì)用超復(fù)數(shù)表示的多光譜圖像的殘差圖像沿著灰度軸的方向進(jìn)行超復(fù)數(shù)symplectic分解，得到包含亮度信息的simplex(單)部分和包含色度信息的perplex(復(fù))部分。我們知道由于全色圖像包含了比其對(duì)應(yīng)多光譜圖像更豐富的亮度細(xì)節(jié)信息，這意味著如果將全色圖像其殘差圖像亮度信息來(lái)替換多光譜圖像殘差圖像的simplex部分，那么就可恢復(fù)出高分辨率的多光譜圖像沒(méi)有而存在于全色圖像的亮度細(xì)節(jié)信息。分析和仿真結(jié)果表明通過(guò)這種殘差超復(fù)數(shù)分解的多光譜與全色圖像的融合方法而可以得到的高分辨率多光譜融合圖像，由于采用超復(fù)數(shù)對(duì)矢量像素進(jìn)行描述和處理，能在保持了全色圖像的細(xì)節(jié)光譜信息的同時(shí)，不會(huì)產(chǎn)生色彩失真。本發(fā)明方法的具體步驟如下-(1)對(duì)于多光譜圖像il必，通過(guò)插值算法Z，將低分辨率的多光譜圖像放大到和全色圖像同樣的尺寸，得到插值圖像/;(2)對(duì)插值圖像/進(jìn)行低通濾波和降采樣，得到原多光譜圖像的低分辨率圖像估計(jì)M&;然后用多光譜圖像MS與圖像估計(jì)MSL相減得到多光譜圖像的殘差圖像eg。對(duì)全色圖像MP經(jīng)過(guò)同樣的低通濾波，得到原全色圖像的估計(jì)M戶(hù)L,再用原全色圖像與之相減，即可得到全色圖像的殘差圖像^;(3)將殘差圖像eg放大到與全色圖像的殘差圖像^同樣的大小，得到(4)對(duì)e/和矢量化后^分別用進(jìn)行超復(fù)數(shù)建模，得到。e/(:c,力和力；(5)對(duì)Ge/(;c，力沿著灰度軸的方向其進(jìn)行超復(fù)數(shù)symplectic分解，得到包含量亮度信息的simplex部分力(x，力和包含色度信息的perplex部分/2&，力；(6)用2&(x，力代替/i(x,力，得到恢復(fù)后的殘差6/&,力=2^(;^)+/辦,>^2;(7)最后得到融合結(jié)果7WS'=I+e/。一般而言，多光譜圖像和全色圖像是具有不同分辨率的。為了能融合它們的信息，首先需要將低分辨率多光譜圖像變換成與全色圖像分辨率同樣分辨率的圖像。這種變換通常是用插值來(lái)完成。對(duì)于多光譜圖像MS，如果用Z表示某一種圖像的插值算法，將低分辨率的多光譜圖像放大到和全色圖像同樣的尺寸，即通過(guò)插值算法Z得到其插值的高分辨率圖像/的估計(jì)表示為/=Z(MS)(1)那么/就表示用插值算法Z得到的對(duì)高分辨率多光譜圖像iWS怖估計(jì)。/與真實(shí)高分辨率圖像MS1^殘差為e/=MS'-/=MS'-Z(M5)(2)上式中^稱(chēng)為高分辨率的殘差圖像指多光譜圖像中的高頻細(xì)節(jié)信息[1()]。文獻(xiàn)[8]的分析表明如果將低通濾波和降采樣Z/作用于印就相當(dāng)于將/進(jìn)行低通濾波和降采樣，得到比原多光譜圖像的分辨率更低圖像的估計(jì)M&，用MS與M&的差可以得到多光譜圖像的殘差圖像eg:eg=報(bào),=/f[U(MS)〗=層S'-7//MS-MSt(3)eg和e/之間存在一定的線性映射關(guān)系，所以可以用eg估計(jì)^。文獻(xiàn)[8]的這個(gè)結(jié)論意味著，對(duì)于全色圖像，如果讓它通過(guò)上述同樣的低通濾波后，再用原全色圖像與它通過(guò)低通濾波的圖像相減，得到全色圖像的殘差圖像^將包含多光譜圖像il必未包含的高頻細(xì)節(jié)信息，這是因?yàn)槎喙庾V圖像MS的分辨率低于全色圖像的分辨率。這些分析也說(shuō)明了對(duì)多光譜圖像進(jìn)行殘差抽取，能夠把圖像的空間信息和光譜信息進(jìn)行分離并獲得其細(xì)節(jié)信息，即得到的多光譜圖像主要包含的圖像細(xì)節(jié)信息。同樣，全色圖像的殘差圖像也包含了其高頻細(xì)節(jié)信息，這些細(xì)節(jié)正是多光譜圖像殘差所缺少的細(xì)節(jié)信息。因此，如果能通過(guò)某種方法用全色圖像的殘差圖像去增強(qiáng)多光譜圖像的殘差，既能增強(qiáng)多光譜圖像的空間信息，同時(shí)也保持的多光譜圖像的光譜信息。利用超復(fù)數(shù)對(duì)由RGB三色分量表示的多光譜圖像的殘差圖像建模[9力=巾,力i+g(x，力'+6(x,力A:，(4)其中X^，力為由R、G、B三色分量表示的超復(fù)數(shù)模型，Kx，力，g(x,力，6(x，力分別代表多光譜圖像的RGB分量。上述表示通過(guò)超復(fù)數(shù)把描述多光譜圖像的RGB三色分量表示成一個(gè)矢量的整體，那么無(wú)論通過(guò)何種變換，這種矢量整體性都能保持，矢量像素的RGB成分之間的相對(duì)位置就不會(huì)發(fā)生變化。為了更好的融合高分辨率的全色圖像的空間信息和低分辨率的多光譜圖像的光譜信息，我們對(duì)全色圖像和多光譜圖像的殘差分別進(jìn)行超復(fù)數(shù)建模。然而對(duì)于全色圖像的殘差圖像，由于它的像素是標(biāo)量的，因此需要將每一個(gè)標(biāo)量像素?cái)U(kuò)展為三維的矢量像素，為了保證了矢量像素的幅值和標(biāo)量像素是一致的，將每個(gè)像素值乘以1/V^，于是就得到由RGB表示的多光譜圖像和矢量化的全色圖像的殘差圖像的超復(fù)數(shù)模型(x,力=jep0,力/++ep(x,力/+^ep",力A:ge,O，力=rO，力z'+gO,+力&其中，^(x,力為全色圖像的殘差圖像的像素值，Kx力、g(xj)、6(Jc，力分別為e,(x，力的RGB四元數(shù)的Cayley-Dickson分解是將一個(gè)四元數(shù)定義為廣義的復(fù)數(shù)形式，即該復(fù)數(shù)的實(shí)部和虛部均為復(fù)數(shù)。即『a+W+^+汲的Cayley-Dickson可以寫(xiě)成問(wèn)"+掛(6)其中h+6/，B=c+W。Cayley-Dickson分解也正是symplectic分解的數(shù)學(xué)基礎(chǔ)。使用廣義的復(fù)算子//，如果選擇任意的兩個(gè)單位純四元數(shù)A、/^且A丄W，可以將任意的一個(gè)四元數(shù)表示成廣義的復(fù)數(shù)形式，我們將其稱(chēng)為四元數(shù)的symplectic形式其中爿-a+6;^，B=c'+d;^。也就是『(c'+6(c'+非i)〃2((7)其中j稱(chēng)為simplex部分，S稱(chēng)為pe卬lex部分。既然四元數(shù)symplectic形式存在于廣義的復(fù)數(shù)空間，那么這兩個(gè)部分都同態(tài)于復(fù)數(shù)。將上面的表達(dá)式乘開(kāi)，可以寫(xiě)作<formula>formulaseeoriginaldocumentpage6</formula>(8)其中化=;"^2，并且W丄/A、A丄/Z2。這樣，我們就有了同態(tài)于標(biāo)準(zhǔn)四元數(shù)算子Z、J、^的另外一套算子A、^、〃3。(fl',V，C',^)可由以下的式子得到1(9)其中Sfe]為四元數(shù)《的實(shí)數(shù)部分，即S[^h化F[《]為四元數(shù)《的純虛數(shù)部分，即,〗=對(duì)于彩色圖像的超復(fù)數(shù)模型y(x,力-z"(x,力&g(JC，;/)/'+6(;c,從而得到*，力=/^，力+/2(^>2(((io)其中稱(chēng)/i(U)、/2(x，力分別為simplex部分和perplex部分。如果〃！是灰度軸，那么yi(x，力提供的就是亮度信息(還是一個(gè)RGB的三色圖像，并不是一個(gè)簡(jiǎn)單的灰色圖像)，而/2(、力提供的就是一個(gè)色度信息(同樣的也是一個(gè)RGB彩色圖像)。根據(jù)殘差圖像的矢量像素的特性，對(duì)由ge/0c，力沿著灰度軸的方向進(jìn)行超復(fù)數(shù)Symplectic分解，用全色圖像的超復(fù)數(shù)殘差模型替換simplex部分，這樣就可以實(shí)現(xiàn)低分辨率的殘差圖像的恢復(fù)，從而實(shí)現(xiàn)多光譜圖像和全色圖像的融合。具體實(shí)施方式我們使用Landsat7ETM+傳感器在2000年6月14日拍攝的上海地區(qū)的多光譜圖像和全色圖像(北緯314460.0000N,東經(jīng)1215360.0000E)和在1995年10月26日拍攝的Hanoi地區(qū)的SPOT衛(wèi)星的全色圖像和TM的多光譜圖像對(duì)本發(fā)明的性能進(jìn)行說(shuō)明。其中，全色圖像具有15m的空間分辨率，而多光譜圖像具有30m的空間分辨率。由于Landsat7ETM+和SPOT不提供15m分辨率的真實(shí)多光譜作為比較，為了與30m分辨率的真實(shí)多光譜圖像來(lái)比較，我們將全色圖像和多光譜圖像分別退化到30m和60m。對(duì)30m的全色圖像和60m多光譜圖像進(jìn)行融合，并將融合的結(jié)果與30m分辨率的多譜圖像進(jìn)行比較。下面通過(guò)仿真驗(yàn)證本發(fā)明的性能。為了衡量遙感圖像融合過(guò)程中空間信息的增強(qiáng)，本文采用SDD參數(shù)[111對(duì)其融合結(jié)果進(jìn)行評(píng)價(jià)，SDD參數(shù)是融合全色圖像和低分辨率多光譜圖像差異的標(biāo)準(zhǔn)差，其定義如下畫(huà)=j丄,,力-MS,(x,力)——鳳))2式中，F(xiàn)為融合得到的圖像，P為圖像像素的均值。一般說(shuō)來(lái)，融合圖像的SDZ參數(shù)以接近于高分辨率的多光譜圖像的SZ)D參數(shù)為佳，此時(shí)融合圖像中將在包含的空間信息的同時(shí)和也包含了高分辨率的多光譜圖像中的空間信息。如果融合的SDZ)參數(shù)比高分辨率的多光譜圖像的&DD參數(shù)大，那么可能過(guò)多的全色的空間信息被融入到多光譜圖像中去，導(dǎo)致融合圖像的光譜特性的改變。為了衡量遙感圖像融合過(guò)程中光譜特征的保留情況，我們采用如下的統(tǒng)計(jì)參數(shù)1)峰值信噪比(尸S7W)如果認(rèn)為融合圖像F(x，力與標(biāo)準(zhǔn)參考圖像及(x，力的差異是噪聲，而標(biāo)準(zhǔn)參考圖像就是信息。融合圖像的峰值信噪比PS7Vi定義為t1^峰值信噪比的單位為分貝(dB)。一般說(shuō)來(lái)，計(jì)算出來(lái)的峰值信噪比就越大，說(shuō)明融合圖像和標(biāo)準(zhǔn)參考圖像的光譜特征越接近，融合的效果越好。2)相關(guān)系數(shù)(CC)融合圖像F與標(biāo)準(zhǔn)參考圖像i的相關(guān)系數(shù)能反映出兩幅圖像的光譜特征的相似程度，其定義如下-計(jì)算出來(lái)的相關(guān)系數(shù)越大，說(shuō)明融合圖像和標(biāo)準(zhǔn)參考圖像的光譜特征的相似程度越高，融合的效果越好。峰值信噪比和相關(guān)系數(shù)是在融合圖像和高分辨率多光譜圖像的各波段上分別計(jì)算的。3)相對(duì)全局誤差(^i04S)相對(duì)全局誤差能反映融合圖像在各波段上的光譜改變情況，其定義如下[15]:其中，/是低分辨率多光譜圖像的分辨率，A是高分辨率多光譜圖像的分辨率，K是參與融合的波段。計(jì)算出來(lái)的相對(duì)全局誤差越小，融合圖像和標(biāo)準(zhǔn)參考圖像越接近，融合的效果就越好。在實(shí)際的遙感圖像融合評(píng)價(jià)中，要綜合考慮反映空間信息增強(qiáng)的SDD參數(shù)和反映光譜信息保持的峰值信噪比PS7^、相關(guān)系數(shù)CC、相對(duì)全局誤差五及GAS。一個(gè)最優(yōu)的遙感圖像融合方法不僅應(yīng)該提高融合圖像的空間分辨率，而且要求盡可能地保持原始圖像的光譜特征，因此需要在上述兩類(lèi)參數(shù)之間取得平衡。表1給出了各種融合圖像的SZ)D參數(shù)。其中，30m分辨率多光譜圖像的Si)Z)參數(shù)是用來(lái)做標(biāo)準(zhǔn)的。從表中可以看出HIS變換和PCA變換方法對(duì)應(yīng)的SDD參數(shù)遠(yuǎn)遠(yuǎn)大于真實(shí)圖像的SDZ)參數(shù)，這說(shuō)明融入到多光譜圖像中的全色圖像的信息超過(guò)了高分辨率的多光譜圖像所應(yīng)該包含的空間信息。在小波變換方法中，各波段的SDZ)參數(shù)都很接近，說(shuō)明融入到各個(gè)波段上的全色圖像的空間信息是類(lèi)似的，然而與真實(shí)圖像的SDD參數(shù)是有差別的。本發(fā)明提出方法所對(duì)應(yīng)的S""參數(shù)最接近于真實(shí)圖像的SD"參數(shù)，并且各個(gè)波段上的S"D參數(shù)的分布規(guī)律也與真實(shí)圖像的各個(gè)波段上的SDD參數(shù)的分布規(guī)律相似，這說(shuō)明了本發(fā)明在融入全色圖像的空間信息的時(shí)候能夠?qū)Χ喙庾V圖像的各個(gè)波段區(qū)別對(duì)待，以符合實(shí)際的情況。表2給出了各種融合方法在保持光譜特征上的統(tǒng)計(jì)參數(shù)。殘差超復(fù)數(shù)對(duì)偶分解的融合方法在各個(gè)波段上都具有較大的峰值信噪比尸SiV及和相關(guān)系數(shù)CC，說(shuō)明它的融合圖像的光譜特征和30m分辨率的多光譜圖像的光譜特征是十分接近的，同時(shí)該方法在所有波段上的相對(duì)全局誤差aG4S是最小的，這說(shuō)明了本發(fā)明提出的方法在保持光譜特征上的有效性。表1融合結(jié)果的增強(qiáng)空間信息的統(tǒng)計(jì)參數(shù)參數(shù)波段真實(shí)圖像IHSPCA小波變換殘差symplecticR0.0610.2450.1950.0760.071G0細(xì)0.2530.2680.0750.069B0.0510.2530.3250.0750.056表2融合結(jié)果的保持光譜特征的統(tǒng)計(jì)參數(shù)參數(shù)波段IHSPCA小波變換殘差symplectic戶(hù)膽R12.1714.1322.6223,2896G11.9311.4622.6424.2447B11.959.8323.02.25.2401CCR0,450.610.920.96G0.190.190.930.97B0.260.110.950.9922.2223.156.472.77表3和表4分別給出了對(duì)SPOT衛(wèi)星的圖像和TM的多光譜圖像進(jìn)行融合的分析結(jié)果。結(jié)果也表明本文提出的結(jié)果優(yōu)于IHS、PCA方法和小波變換的方法。表3融合結(jié)果的增強(qiáng)空間信息的統(tǒng)計(jì)參數(shù)<table>tableseeoriginaldocumentpage10</column></row><table>表4融合結(jié)果的保持光譜特征的統(tǒng)計(jì)參數(shù)<table>tableseeoriginaldocumentpage10</column></row><table>參考文獻(xiàn)[1]T.M.Tu,S.C.Su，H.C.Shyu,andP.S.Huang.AnewlookatHIS-likeimagefusionmethods[J]./"/Fuy/o",2001,2(3):177-186[2]YesouH，BesnusY,PoletY,ExtractionofspectralinformationfromlandsattmdataandmergerwithSPOTpanchromaticimagery—AcontributiontothestudyofGeologicalstructures〖J].ZSPiSJbwma/o//V20to^ra附we吵fifwd5tws/"g,1993，48(5):23-26[3]ShettigaraV.K.Ageneralizedcomponentsubstitutiontechniqueforspatialenhancementofmukispectralimagesusingahigherresolutiondataset[J].尸/zo/ogr"mmern'c五wg/ween'"gSe&，1992，58(5):561-567[4]NunezJ，OtazuX，F(xiàn)orsO，Wa/.Multiresolutionbasedimagefusionwithadditivewaveletdecomposition[J],7Va"s"c"'owsGeosr^wcesa打ciemofeSem，1999，37(3):1024-1211[5]C,E.Moxey,S.J.SangwineandT.A.Ell.HypercomplexcorrelationTechniquesforvectorimage[J],/鵬7>皿^a/Pra固/"g，2003，51(7):1941-1953[6]楊惠娟，張建秋和胡波"超復(fù)數(shù)主元加權(quán)的多光譜和全色圖像融合方法"申請(qǐng)?zhí)?00610118103,3[7]C.E.Moxey，S.J.SangwineandT.A.Ell.Color-grayscaleimageregistrationusinghypercomplexphasecorrelation[C]./￡￡￡/C7P，2002，385-388.[8]FengzhiPan,LimingZhang,Newimagesuper-resolutionschemebasedonresidualerreorestorationbyneuralnetworks[J].OpticalEngineering,vol.42，no.10,pp.3038-3046,2003[9]CEMoxey，SJSangwine,TAEH.Vectorcorrelationofcolorimages[C].In1stEuropeanConf.onColorinGraphics,ImagingandVision,France:Poitiers,2002,343-347[10]ToddA.Ell，S.J.SangwineHypercomplexfouriertransformsofcolorimages[J]./Efi^Thww./Voce油g，2007,16(l):22-35[11]M.Gonzalez-Audican,J.L.Saleta，R.G.Catalan,etal.FusionofmultispectralandpanchromaticimagesusingimproveHISandPCAmergersbasedonwaveletdecomposition[J].7>yww.Geayc/,7emo/e5few&,2004,42(6):1291-1299[12]王海暉，彭嘉雄等.多源遙感圖像融合效果評(píng)價(jià)方法研究[J].計(jì)算機(jī)工程與應(yīng)用，2003，25'.33-3權(quán)利要求1、一種殘差超復(fù)數(shù)對(duì)偶分解的多光譜與全色圖像融合方法，其特征在于具體步驟如下(1)對(duì)于多光譜圖像MS，通過(guò)插值算法Z，將低分辨率的多光譜圖像放大到和全色圖像同樣的尺寸，得到插值圖像I；(2)對(duì)插值圖像I進(jìn)行低通濾波和降采樣，得到原多光譜圖像的低分辨率圖像估計(jì)MSL；然后用多光譜圖像MS與圖像估計(jì)MSL相減得到多光譜圖像的殘差圖像eg；對(duì)全色圖像MP經(jīng)過(guò)同樣的低通濾波，得到原全色圖像的估計(jì)MPL，再用原全色圖像與之相減，即可得到全色圖像的殘差圖像ep；(3)將殘差圖像eg放大到與全色圖像的殘差圖像ep同樣的大小，得到ef；(4)對(duì)ef和矢量化后ep分別用進(jìn)行超復(fù)數(shù)建模，得到Qef(x，y)和Qep(x，y)；(5)對(duì)Qef(x，y)沿著灰度軸的方向其進(jìn)行超復(fù)數(shù)symplectic分解，得到包含量亮度信息的simplex部分f1(x，y)和包含色度信息的perplex部分f2(x，y)；(6)用Qep(x，y)代替f1(x，y)，得到恢復(fù)后的殘差ef′(x，y)＝Qep(x，y)+f2(x，y)μ2；(7)最后得到融合結(jié)果MS’＝I+ef′。全文摘要本發(fā)明屬于圖像融合
技術(shù)領(lǐng)域：
，具體為殘差超復(fù)數(shù)對(duì)偶分解的多光譜與全色圖像融合方法。該方法首先用超復(fù)數(shù)分別對(duì)多光譜圖像和全色圖像的殘差圖像建模，并對(duì)多光譜圖像的超復(fù)數(shù)殘差模型沿灰度軸方向分別進(jìn)行超復(fù)數(shù)symplectic分解，得到包含亮度信息的simplex部分和包含色度信息的perplex部分。分析表明用高分辨率全色圖像的超復(fù)數(shù)殘差圖像來(lái)替換低分辨率多光譜圖像分解后得到的simplex部分，就可以恢復(fù)出高分辨率的多光譜圖像的殘差，最后通過(guò)symplectic分解的合成實(shí)現(xiàn)多光譜圖像和全色圖像的融合。仿真結(jié)果表明，本發(fā)明方法不存在人眼可見(jiàn)的光譜畸變。而各種現(xiàn)有圖像融合方法的評(píng)估結(jié)果表明，本發(fā)明優(yōu)于IHS、PCA和小波變換的融合方法。文檔編號(hào)G01S7/48GK101216557SQ20071017329公開(kāi)日2008年7月9日申請(qǐng)日期2007年12月27日優(yōu)先權(quán)日2007年12月27日發(fā)明者張建秋,楊惠娟,波胡申請(qǐng)人:復(fù)旦大學(xué)