专利名称：基于光谱与空间局部相关的遥感影像融合方法
基于光谱与空间局部相关的遥感影像融合方法技术领域
本发明属于遥感影像处理数据融合技术领域，涉及一种基于光谱与空间局部相关的遥感影像融合方法。
背景技术：
随着对地观测技术的发展，大多数对地观测卫星如Landsat-7，Spot5, IK0N0S, Qu ickBird, GeoEye-I,和WorldView-2可以同时提供高光谱分辨率的多光谱影像和高空间分辨率的全色影像。为了充分利用光谱和空间特性，遥感影像融合技术得到了迅速的发展。
遥感影像融合技术是指将高空间分辨率的全色影像与高光谱分辨率的多光谱影像的优点集成在一起，生成一幅具有高空间和光谱分辨率的彩色影像的影像处理过程。
目前的遥感影像融合方法可以分为四类。以IHS、PCA、Gram-Schmidt Spectral、 HCS (Hyperspherical Color Sharpening)和偏微分替换为代表的投影替换类算法,利用全色波段或其变体替换多光谱影像投影变换后得到的亮度分量，然后进行投影逆变换获得融合结果；以Brovey、SVR(Synthetic Variable Ratio,合成变量比)为代表的相对光谱分布类算法，基于全色影像与多光谱影像之间的线性组合假设，把全色影像信息按比例分布到多光谱影像的各个波段；以 Wavelets、curvelets、HPF (high-pass filtering)、multiscale toggle contrast operator>Markov random field(MRF)models 和多尺度光谱增益调制为代表的ARSIS类算法在不同尺度上提取影像的空间信息和光谱信息进行影像融合。投影替换和相对光谱分布这两类算法能够较好地保持空间分辨率，但都依赖于全色影像与多光谱影像的相关性，相关性越好融合结果越好，且光谱信息的保持依赖于传感器的配置和影像信息本身；ARSIS类算法能够较好地保持光谱特性，但是全色影像和多光谱影像空间信息的不一致容易造成空间细节信息的混叠，导致空间分辨率的降低；混合模型算法则试图吸收前三类算法在空间信息保持或光谱信息保持的优势，并引入Map估计、稀疏表达、压缩感知等新理论，该类算法研究处于起步阶段，算法也比较复杂，离实用化还有一定距离。
总体而言，相对光谱分布类的代表性算法SVR算法具有明确的物理意义和理论基础，在全色波段和多光谱波段(或部分波段)能够相互覆盖的条件下(如IK0N0S、 QuickBird),不仅能保持全色影像的空间细节，也能很好地保持多光谱影像的光谱信息。然而，对于不满足光谱覆盖条件的影像，SVR会造成融合影像的光谱扭曲；另外，对于满足光谱覆盖条件的影像，也可能会由于影像上地物类型分布不均衡，导致组合系数求解的精度不够，使合成的全色波段(PAN)影像与实际不符，造成融合影像的光谱失真。如何克服偏色因素，使融合影像在保持空间细节的同时又能很好地保持光谱特性是一个需要解决的问题。发明内容
本发明为解决现有光学遥感传感器在影像融合过程中采用基于SVR方法存在的上述技术问题，提供了一种基于光谱与空间局部相关的遥感影像融合方法(SSCSVR，Spectral and Spatial Correlation-Based Synthetic Variable Ratio)。
本发明的技术方案为一种基于光谱与空间局部相关的遥感影像融合方法，包括以下步骤
步骤I，对影像进行分块，得到多个影像块；
步骤2，对每个影像块分别求取块内的权系数矩阵，包括以下步骤，
步骤2.1，提取全色影像中每个像素的高频成分Gs ；
步骤2. 2，建立光谱与空间相关模型；
步骤2. 3，利用非负最小二乘方法对步骤2. 2中光谱与空间相关模型的权系数矩阵进行求解，并进行异常处理；
步骤3，利用步骤2所得权系数矩阵进行双线性内插获得影像中每个像素的权系数與，进而获得合成的低分辨率全色影像Pansyn，最后对每个像素逐一进行融合，得到融合影像。
而且，步骤I中对影像进行分块采用自适应方式，包括将分块大小记为wXw，取w =5r+l,比值r = Ι/h，其中h和I分别为原始的全色影像和要融合的多光谱影像的空间分辨率。
而且，步骤2.1通过下式实现，
权利要求
1.ー种基于光谱与空间局部相关的遥感影像融合方法，其特征在于，包括以下步骤 步骤I，对影像进行分块，得到多个影像块； 步骤2，对每个影像块分别求取块内的权系数矩阵，包括以下步骤， 步骤2. 1，提取全色影像中每个像素的高频成分Gs ； 步骤2. 2，建立光谱与空间相关模型； 步骤2. 3，利用非负最小ニ乘方法对步骤2. 2中光谱与空间相关模型的权系数矩阵进行求解，并进行异常处理； 步骤3，利用步骤2所得权系数矩阵进行双线性内插获得影像中每个像素的权系数外，进而获得合成的低分辨率全色影像Pansyn,最后对每个像素逐一进行融合，得到融合影像。
2.根据权利要求1所述的遥感影像融合方法，其特征在于步骤I中对影像进行分块采用自适应方式，包括将分块大小记为wXw,取w = 5r+l,比值r = Ι/h,其中h和I分别为原始的全色影像和要融合的多光谱影像的空间分辨率。
3.根据权利要求1或2所述的遥感影像融合方法，其特征在于步骤2.1通过下式实现，
4.根据权利要求3所述的遥感影像融合方法，其特征在于步骤2.2中建立光谱与空间相关模型如下式
5.根据权利要求4所述的遥感影像融合方法，其特征在于步骤2.3实现方式如下，设Xカ权系数矩阵X的最小ニ乘估计量，文=(
6.根据权利要求5所述的遥感影像融合方法，其特征在于步骤3的具体实现操作如下，利用双线性内插对步骤2. 3求解出的块光谱成分权值你进行内插，得到每个像素的供，然后采用下式得到每个像素合成的低分辨率全色影像值Pansyn,
全文摘要
本发明提供了一种基于光谱与空间局部相关的遥感影像融合方法，采用自适应分块局部优化的策略，将整幅影像进行分块，然后在每个影像块内分别建立观测模型和相关融合模型；在求解光谱与空间相关影像融合模型过程时利用非负最小二乘方法进行求解权系数矩阵，在遇到矩阵不可逆情况下进行异常的处理得到权系数矩阵；利用解求出的块权系数矩阵进行双线性内插获得每个像素的权系数，从而获得每个像素的模拟低分辨率全色影像值，将这个影像值带入观测模型就可以逐一像素的进行融合处理。本方法可以在提高原始多光谱影像空间分辨率的同时有效保持原有的光谱信息，并对现有的光学传感器，具有较强的自适应处理能力。
文档编号G06T5/50GK102982517SQ20121043485
公开日2013年3月20日 申请日期2012年11月2日 优先权日2012年11月2日
发明者王慧贤, 江万寿 申请人:武汉大学