技術(shù)特征：

1.一種基于方向多尺度群低秩分解的全色圖像銳化方法，包括以下步驟：

(1)輸入圖像：

分別讀取待銳化的多光譜圖像MS和全色圖像Pan；

(2)獲得上采樣多光譜LMS和下采樣全色圖像dPan：

(2a)利用圖像縮放imresize函數(shù)對多光譜圖像MS進行上采樣，得到上采樣的多光譜圖像LMS；

(2b)利用圖像縮放imresize函數(shù)對全色圖像Pan進行下采樣，得到下采樣全色圖像dPan；

(3)按照下式，計算多光譜圖像MS和下采樣全色圖像dPan的光譜相關(guān)系數(shù)：

$s_k=\frac{\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}\[X{(i,j)}_k-{\mathrm{\μ}}_{X_k}\]\[P(i,j)-{\mathrm{\μ}}_P\]}{\sqrt{\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{\[X{(i,j)}_k-{\mathrm{\μ}}_{X_k}\]}^2\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{\[P(i,j)-{\mathrm{\μ}}_P\]}^2}}$

其中，S_k表示多光譜圖像MS中第k個波段圖像與下采樣全色圖像dPan的光譜相關(guān)系數(shù)，k表示多光譜圖像MS的波段數(shù)，k的取值為1,2,...4；M和N分別表示多光譜圖像MS行和列的像素個數(shù)；∑表示求和操作；i和j分別表示多光譜圖像MS和下采樣全色圖像dPan像素的坐標；X(i,j)_k和P(i,j)分別表示多光譜圖像MS第k個波段圖像與下采樣全色圖像dPan對應(yīng)坐標(i,j)值的像素點；μ_Xk和μ_P分別表示多光譜圖像MS第k個波段與下采樣全色圖像dPan的均值，表示開根號操作；

(4)非下采樣的輪廓小波分解：

(4a)應(yīng)用非下采樣的輪廓小波分解函數(shù)，對上采樣多光譜圖像LMS進行分解，得到LMS圖像相對應(yīng)的高頻部分與低頻部分；

(4b)應(yīng)用非下采樣的輪廓小波分解函數(shù)，對全色圖像Pan進行分解，得到Pan圖像相對應(yīng)的高頻部分與低頻部分；

(5)構(gòu)建數(shù)據(jù)矩陣：

分別對高低頻部分進行重疊取塊，利用重塑矩陣reshape函數(shù)，將全部圖像塊分別拉成列向量，構(gòu)成全色圖像的高頻部分的數(shù)據(jù)矩陣與低頻部分的數(shù)據(jù)矩陣；

(6)矩陣低秩分解：

(6a)利用矩陣低秩稀疏分解方法，對低頻數(shù)據(jù)矩陣進行低秩稀疏分解，得到低頻數(shù)據(jù)的低秩矩陣與稀疏矩陣；

(6b)利用矩陣低秩稀疏分解方法，對高頻數(shù)據(jù)矩陣進行低秩稀疏分解，得到每一個方向上的高頻數(shù)據(jù)的低秩矩陣與稀疏矩陣：

(7)重構(gòu)高低頻稀疏矩陣：

(7a)利用劃窗方式，取得低頻數(shù)據(jù)的稀疏矩陣，將低頻數(shù)據(jù)的稀疏矩陣重構(gòu)成與全色圖像Pan尺寸大小相同的低頻稀疏矩陣，低頻數(shù)據(jù)稀疏項的重疊部分取平均值；

(7b)利用劃窗的方式，取得每一個方向上高頻數(shù)據(jù)的稀疏矩陣，分別將高頻數(shù)據(jù)的稀疏矩陣重構(gòu)成與全色圖像Pan尺寸大小相同的高頻稀疏矩陣，高頻數(shù)據(jù)稀疏項的重疊部分取平均值；

(8)注入高低頻稀疏矩陣：

(8a)利用低頻注入模型，將低頻的稀疏矩陣注入到上采樣多光譜圖像的每個波段的低頻部分中，得到注入后的多光譜圖像的低頻部分；

(8b)利用高頻注入模型，分別將每個方向上的高頻稀疏矩陣注入到上采樣多光譜圖像的每個波段的高頻部分中，得到注入后的多光譜圖像的高頻部分；

(9)非下采樣輪廓小波反變換：

利用非下采樣輪廓小波函數(shù)，對多光譜圖像高低頻部分進行非下采樣的輪廓小波反變換，得到最終高分辨率多光譜圖像HMS；

(10)輸出高分辨率多光譜圖像HMS。

2.根據(jù)權(quán)利要求1所述的基于方向多尺度群低秩分解的全色圖像銳化方法，其特征在于，步驟(6a)、步驟(6b)中所述的矩陣低秩分解方法的具體步驟如下：

第一步，輸入全色圖像Pan低頻數(shù)據(jù)矩陣或者高頻數(shù)據(jù)矩陣；

第二步，按照下式，得到高低頻低秩矩陣與稀疏矩陣：

$\underset{A,E}{min}\left|\right|A|{|}_{*}+\mathrm{\λ}|\left|E\right|{|}_1,s.t.D=A+E$

其中，min表示求最小值操作，A表示高頻低秩矩陣或低頻低秩矩陣，E表示高頻稀疏矩陣或低頻稀疏矩陣，||·||_*表示取核范數(shù)操作，||·||₁表示取一范數(shù)操作，λ表示超參數(shù)，低頻數(shù)據(jù)矩陣時，λ設(shè)置為0.0025，高頻數(shù)據(jù)矩陣時，λ分別設(shè)置為0.0028,0.0032,0.0032，s.t.表示服從條件符號，D表示高頻數(shù)據(jù)矩陣或低頻數(shù)據(jù)矩陣；

第三步，分別輸出高低頻的低秩矩陣與稀疏矩陣。

3.根據(jù)權(quán)利要求1所述的基于方向多尺度群低秩分解的全色圖像銳化方法，其特征在于，步驟(8a)、步驟(8b)中所述的注入模型如下：

${\hat{M}}_k={\tilde{M}}_k+g\×E$

其中，表示注入稀疏項之后多光譜圖像LMS第k個波段圖像的高頻部分或者低頻部分；k表示多光譜圖像LMS的波段數(shù)，取值1,2,3,4..；表示非下采樣輪廓小波對上采樣多光譜圖像LMS第k個波段圖像的多尺度分解的高頻部分或者低頻部分；g表示增益系數(shù)，對于高頻部分，g取值為1，對于低頻部分，g的取值為多光譜圖像MS和下采樣全色圖像dPan的光譜相關(guān)系數(shù)S；E表示對高頻數(shù)據(jù)部分利用劃窗的方式重構(gòu)的高頻稀疏矩陣或者對低頻數(shù)據(jù)部分利用劃窗的方式重構(gòu)的低頻稀疏矩陣。