本發(fā)明涉及衛(wèi)星獲取的遙感影像融合的技術(shù)領(lǐng)域，更為具體來說，

本發(fā)明為一種全色圖像和多光譜圖像的融合方法及裝置。

背景技術(shù)：

由于技術(shù)的限制，目前衛(wèi)星只能提供兩種圖像，一種是高分辨率全色圖像(黑白的)，另一種是低分辨多光譜圖像(彩色的)。當(dāng)前各領(lǐng)域科學(xué)研究與應(yīng)用對高質(zhì)量的融合數(shù)據(jù)產(chǎn)品需求較大，為獲取更高分辨率的彩色圖像，需要將全色圖像和多光譜圖像融合。

但是，傳統(tǒng)的融合方法存在融合質(zhì)量差的問題。比如，有些融合方法會導(dǎo)致遙感圖像發(fā)生光譜扭曲的現(xiàn)象，影響后期對遙感圖像信息的解譯和分析；有些融合方法會導(dǎo)致遙感圖像細(xì)節(jié)模糊的問題。

因此，如何有效地提高全色圖像和多光譜圖像的融合質(zhì)量，成為了本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問題和始終研究的重點。

技術(shù)實現(xiàn)要素：

為解決現(xiàn)有遙感影像融合方法存在的融合質(zhì)量差的問題，本發(fā)明提供了一種全色圖像和多光譜圖像的融合方法及裝置，對傳統(tǒng)融合方法進(jìn)行了合理的改進(jìn)，提高了遙感圖像的融合質(zhì)量。

為實現(xiàn)上述的技術(shù)目的，本發(fā)明公開了一種全色圖像和多光譜圖像的融合方法，該融合方法包括如下步驟：

步驟1，對多光譜圖像進(jìn)行處理，使處理后的多光譜圖像和全色圖像具有相同的像元尺寸；

步驟2，對處理后的多光譜圖像進(jìn)行變換，形成1個亮度分量和n-1個角度分量，其中，n為分量總數(shù)；

步驟3，對全色圖像進(jìn)行灰度拉伸處理；

步驟4，將亮度分量與灰度拉伸后的全色圖像融合，獲得新的分量；

步驟5，對新的分量和n-1個角度分量進(jìn)行反變換，形成融合后的圖像。

本發(fā)明創(chuàng)新地通過變換的方式得到多光譜圖像的亮度分量，將該亮度分量與灰度拉伸后的全色圖像融合，得到新的分量，再將新的分量與前述變換得到的角度分量融合，從而得到融合后的圖像。本發(fā)明通過融合得到的圖像具有質(zhì)量高、對比度高、紋理清晰、邊緣信息豐富等優(yōu)點。

進(jìn)一步地，步驟4中，分別對亮度分量、灰度拉伸后的全色圖像進(jìn)行曲波變換，分離出亮度分量的高頻部分和低頻部分、灰度拉伸后的全色圖像的高頻部分和低頻部分，將亮度分量的高頻部分與灰度拉伸后的全色圖像的高頻部分融合、將亮度分量的低頻部分與灰度拉伸后的全色圖像的低頻部分融合，對兩個融合結(jié)果進(jìn)行曲波反變換，獲得新的分量。

進(jìn)一步地，步驟4中，亮度分量的高頻部分與灰度拉伸后的全色圖像的高頻部分的融合規(guī)則為：

其中，表示兩個高頻部分的融合結(jié)果，分別為PAN^*和I的高頻系數(shù)，PAN^*為灰度拉伸后的全色圖像，I為亮度分量；j為尺度參數(shù)，l為方向參數(shù)，(k₁,k₂)為被選取的圖像局部區(qū)域中心。

進(jìn)一步地，步驟4中，亮度分量的低頻部分與灰度拉伸后的全色圖像的低頻部分的融合規(guī)則為：

其中，表示兩個低頻部分的融合結(jié)果，σ^PAN(k₁,k₂)、σ^I(k₁,k₂)為的局部區(qū)域標(biāo)準(zhǔn)差，分別為PAN^*和I的低頻系數(shù)，PAN^*為灰度拉伸后的全色圖像，I為亮度分量；(k₁,k₂)為被選取的圖像局部區(qū)域中心；SR^PAN(k₁,k₂)、SR^I(k₁,k₂)分別為的局部方向信息熵。

進(jìn)一步地，步驟4中，局部方向信息熵的計算方式為：

其中，SR(k₁,k₂)為局部方向信息熵，m×n為被選取的圖像局部區(qū)域大小，R表示以(k₁,k₂)為中心選取的局部區(qū)域，C(i,j)為R的標(biāo)準(zhǔn)差，(i,j)為局部區(qū)域上的點。

進(jìn)一步地，步驟2中，對處理后的多光譜圖像進(jìn)行超球體色彩空間變換；步驟5中，對新的分量和n-1個角度分量進(jìn)行超球體色彩空間反變換。

本發(fā)明創(chuàng)新地將HCS變換(超球體色彩空間變換)和Curvelet變換(曲波變換)結(jié)合，大幅度提高了全色圖像和多光譜圖像的融合質(zhì)量，有效改善了傳統(tǒng)方法存在的光譜扭曲問題，融合影像在主觀和客觀上均取得較好的結(jié)果。

進(jìn)一步地，步驟1中，通過立方卷積插值的方式處理多光譜圖像。

進(jìn)一步地，步驟3中，灰度拉伸處理采用的公式為：

其中，PAN^*為灰度拉伸后的全色圖像，PAN為原全色圖像，μ₁、σ₁分別為PAN²的均值和標(biāo)準(zhǔn)差，μ₀、σ₀分別為I²的均值和標(biāo)準(zhǔn)差，I為亮度分量。

本發(fā)明的另一發(fā)明目的在于提供一種全色圖像和多光譜圖像的融合裝置，該融合裝置包括處理模塊、變換模塊、拉伸模塊、融合模塊及反變換模塊，處理模塊與變換模塊連接，變換模塊與融合模塊連接，融合模塊與拉伸模塊連接，融合模塊、變換模塊均與反變換模塊連接；

處理模塊，對多光譜圖像進(jìn)行處理，使處理后的多光譜圖像和全色圖像具有相同的像元尺寸；

變換模塊，對處理后的多光譜圖像進(jìn)行變換，形成1個亮度分量和n-1個角度分量，其中，n為分量總數(shù)；

拉伸模塊，對全色圖像進(jìn)行灰度拉伸處理；

融合模塊，將亮度分量與灰度拉伸后的全色圖像融合，獲得新的分量；

反變換模塊，對新的分量和n-1個角度分量進(jìn)行反變換，形成融合后的圖像。

本發(fā)明創(chuàng)新地通過融合裝置得到多光譜圖像的亮度分量，將亮度分量與灰度拉伸后的全色圖像融合，得到新的分量，再將新的分量與前述變換得到的角度分量融合，從而得到融合后的圖像。本發(fā)明通過融合得到的圖像具有質(zhì)量高、對比度高、紋理清晰、邊緣信息豐富等優(yōu)點。

進(jìn)一步地，融合模塊包括分離單元，分離單元分別對亮度分量、灰度拉伸后的全色圖像進(jìn)行曲波變換，分離出亮度分量的高頻部分和低頻部分、灰度拉伸后的全色圖像的高頻部分和低頻部分。

本發(fā)明的有益效果為：本發(fā)明的多光譜圖像具有較高的空間分辨率，較好地保留了原始多光譜圖像的光譜信息，有效地改善了傳統(tǒng)融合方法存在的光譜扭曲問題，而且通過本發(fā)明融合方法得到的融合圖像具有整體對比度高、紋理清晰、邊緣信息豐富等優(yōu)點。另外，本發(fā)明在均值、標(biāo)準(zhǔn)差、相關(guān)系數(shù)、信息熵、平均梯度、相對偏差等指標(biāo)取得了較好的結(jié)果。

附圖說明

圖1為全色圖像和多光譜圖像的融合方法流程示意圖。

圖2為全色圖像和多光譜圖像的融合裝置組成示意圖。

圖3為全色圖像和多光譜圖像具體的融合過程圖。

具體實施方式

下面結(jié)合說明書附圖對本發(fā)明的全色圖像和多光譜圖像的融合方法及裝置進(jìn)行詳細(xì)的解釋和說明。

如圖1、2、3所示，本發(fā)明公開了一種全色圖像和多光譜圖像的融合方法，融合方法包括如下步驟：

步驟1，對多光譜圖像進(jìn)行處理，使處理后的多光譜圖像和全色圖像具有相同的像元尺寸，為實現(xiàn)后期更好的融合效果；本實施例中，通過立方卷積插值的方式處理多光譜圖像。

步驟2，對處理后的多光譜圖像進(jìn)行變換，形成1個亮度分量和n-1個角度分量，其中，n為分量總數(shù)；本實施例中，對處理后的多光譜圖像進(jìn)行超球體色彩空間變換。

步驟3，對全色圖像進(jìn)行灰度拉伸處理；具體地，灰度拉伸處理采用的公式為：

其中，PAN^*為灰度拉伸后的全色圖像，PAN為原全色圖像，μ₁、σ₁分別為PAN²的均值和標(biāo)準(zhǔn)差，μ₀、σ₀分別為I²的均值和標(biāo)準(zhǔn)差，I為亮度分量。

步驟4，將亮度分量與灰度拉伸后的全色圖像融合，獲得新的分量；本實施例中，分別對亮度分量、灰度拉伸后的全色圖像進(jìn)行曲波變換，曲波變換，即Curvelet變換，是一個新的圖像多尺度幾何分析工具，具有空間和頻率的局域性，可將圖像的空間特征(高頻部分)和光譜特征(低頻部分)進(jìn)行分離。本發(fā)明利用Curvelet變換的優(yōu)點，解決融合后的圖像存在的光譜扭曲問題，更為具體地，本發(fā)明通過Wrap算法對遙感影像進(jìn)行Curvelet變換，本發(fā)明通過曲波變換分離出亮度分量的高頻部分和低頻部分、灰度拉伸后的全色圖像的高頻部分和低頻部分，將亮度分量的高頻部分與灰度拉伸后的全色圖像的高頻部分融合、將亮度分量的低頻部分與灰度拉伸后的全色圖像的低頻部分融合，對兩個融合結(jié)果進(jìn)行曲波反變換，獲得新的分量。

對于高頻系數(shù)，不同尺度及方向下的高頻系數(shù)包含了圖像的細(xì)節(jié)特征，本文采用絕對值取大的融合規(guī)則。具體來說，亮度分量的高頻部分與灰度拉伸后的全色圖像的高頻部分的融合規(guī)則為：

其中，表示兩個高頻部分的融合結(jié)果，分別為PAN^*和I的高頻系數(shù)，PAN^*為灰度拉伸后的全色圖像，I為亮度分量；j為尺度參數(shù)，l為方向參數(shù)，(k₁,k₂)為被選取的圖像局部區(qū)域中心。

對于低頻系數(shù)，本發(fā)明提出了以區(qū)域標(biāo)準(zhǔn)差和局部方向信息熵為主要判斷依據(jù)的低頻系數(shù)自適應(yīng)融合規(guī)則。具體來說，本實施例中，亮度分量的低頻部分與灰度拉伸后的全色圖像的低頻部分的融合規(guī)則為：

其中，表示兩個低頻部分的融合結(jié)果，σ^PAN(k₁,k₂)、σ^I(k₁,k₂)為的局部區(qū)域標(biāo)準(zhǔn)差，分別為PAN^*和I的低頻系數(shù)，PAN^*為灰度拉伸后的全色圖像，I為亮度分量；(k₁,k₂)為被選取的圖像局部區(qū)域中心；SR^PAN(k₁,k₂)、SR^I(k₁,k₂)分別為的局部方向信息熵。

具體來說，局部方向信息熵的計算方式為：

其中，SR(k₁,k₂)為局部方向信息熵，m×n為被選取的圖像局部區(qū)域大小，R表示以(k₁,k₂)為中心選取的局部區(qū)域，C(i,j)為R的標(biāo)準(zhǔn)差，(i,j)為局部區(qū)域上的點。

步驟5，對新的分量和n-1個角度分量進(jìn)行反變換，形成融合后的圖像。對應(yīng)于步驟2，本實施例中，對新的分量和n-1個角度分量進(jìn)行超球體色彩空間反變換。

如圖2、1、3所示，本發(fā)明還公開了一種全色圖像和多光譜圖像的融合裝置，對應(yīng)于本發(fā)明提供的融合方法，本發(fā)明的融合裝置包括處理模塊、變換模塊、拉伸模塊、融合模塊及反變換模塊，處理模塊與變換模塊連接，變換模塊與融合模塊連接，融合模塊與拉伸模塊連接，融合模塊、變換模塊均與反變換模塊連接；

處理模塊，對多光譜圖像進(jìn)行處理，使處理后的多光譜圖像和全色圖像具有相同的像元尺寸；

變換模塊，對處理后的多光譜圖像進(jìn)行變換，形成1個亮度分量和n-1個角度分量，其中，n為分量總數(shù)；

拉伸模塊，對全色圖像進(jìn)行灰度拉伸處理；

融合模塊，將亮度分量與灰度拉伸后的全色圖像融合，獲得新的分量；

反變換模塊，對新的分量和n-1個角度分量進(jìn)行反變換，形成融合后的圖像。

融合模塊包括分離單元，分離單元分別對亮度分量、灰度拉伸后的全色圖像進(jìn)行曲波變換，分離出亮度分量的高頻部分和低頻部分、灰度拉伸后的全色圖像的高頻部分和低頻部分。

如圖3所示，本發(fā)明全色圖像和多光譜圖像的融合方法可按照如下的方式實施：

1)對n波段多光譜影像進(jìn)行立方卷積插值，得到與PAN圖像具有相同像元尺寸的MS圖像，此處的“PAN圖像”指的是高分辨率的全色圖像，即處理前的原全色圖像，此處的“MS圖像”指的是低分辨率的多光譜圖像。

2)對立方卷積插值后的MS圖像進(jìn)行HCS變換，形成1個亮度分量I和n-1個角度分量，此處的“HCS變換”指的是超球體色彩空間變換，HCS的全稱為hyperspherical color space resolution merge。

3)對PAN圖像進(jìn)行灰度拉伸，得到PAN^*。采用的公式為：

其中，μ₁，σ₁分別為PAN²的均值和標(biāo)準(zhǔn)差，μ₀，σ₀分別為I²的均值和標(biāo)準(zhǔn)差。

4)對MS和PAN^*分別進(jìn)行Curvelet變換得到低頻和高頻系數(shù)。針對變換后的低頻和高頻系數(shù)選用不同的融合規(guī)則，得到新的Curvelet變換系數(shù)，此處的“Curvelet變換”指的是曲波變換。然后，將得到的Curvelet變換系數(shù)進(jìn)行Curvelet逆變換，從而得到新的I^*分量；

5)將新的I^*分量和步驟2)中的n-1個角度分量進(jìn)行HCS反變換，形成融合后的圖像。

本文以GF-2衛(wèi)星的1m全色影像和4m多光譜影像作為實驗數(shù)據(jù)。為驗證算法的有效性，本發(fā)明選擇地物豐富、特征多樣的影像作為數(shù)據(jù)源，并且GF-2多光譜影像的4個波段都參與融合，并與其他方法進(jìn)行比較。

在本發(fā)明中，除非另有明確的規(guī)定和限定，術(shù)語“安裝”、“相連”、“連接”、“固定”等術(shù)語應(yīng)做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或成一體；可以是機械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介間接相連，可以是兩個元件內(nèi)部的連通或兩個元件的相互作用關(guān)系，除非另有明確的限定。對于本領(lǐng)域的普通技術(shù)人員而言，可以根據(jù)具體情況理解上述術(shù)語在本發(fā)明中的具體含義。

在本說明書的描述中，參考術(shù)語“一個實施例”、“一些實施例”、“本實施例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不必須針對的是相同的實施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結(jié)合。此外，在不相互矛盾的情況下，本領(lǐng)域的技術(shù)人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特征進(jìn)行結(jié)合和組合。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明實質(zhì)內(nèi)容上所作的任何修改、等同替換和簡單改進(jìn)等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。