一种多源异构遥感影像的融合方法

摘要

本发明公开了一种多源异构遥感影像的融合方法，该方法首先选取两幅相同区域的高分遥感影像和无人机航片影像，对其进行正射校正、影像配准预处理后对高分遥感影像的多光谱影像（MSS）和全色影像(PAN)采用GS(Gram‑Schmidt)算法做融合，得到融合后的影像(GS)对GS影像进行HIS变换，得到亮度(I1)、色度(H1)与饱和度(S1)三个分量，之后对无人机航片影像（UAV）采用àtrous小波算法，进行波段分解得到不同分辨率的小波面。然后将各小波面叠加到PAN影像中，得到融合后的影像UAP同样对UAP进行影像的HIS变换得到对应的亮度(I2)、色度(H2)、饱和度(S2)分量，然后把UAP影像的亮度分量I2代替GS影像的亮度分量I1，之后对I2、H1、S1三个分量进行HIS逆变换就得到融合影像。

说明书

技术领域

本发明属于遥感影像处理数据融合领域，具体涉及一种多源异构遥感影像的融合方法。

背景技术

随着现代遥感技术的飞速发展，遥感数据的获取手段不断增加，遥感数据的空间分辨率、时间分辨率、光谱分辨率、辐射分辨率越来越高，数据类型越来越丰富，但由于各类遥感数据成像原理不同和技术条件有限制，任何单一影像源都不能全面反映目标对象的特征很难同时具有高空间、高光谱分辨率的特性。因此对应用具有一定的局限性。为了充分利用这些丰富的影像数据，从不同的影像数据中挖掘出所需要的信息。从而对观测目标有一个更加全面、清晰、准确的理解与认知，需要将不同影像源、不同分辨率的遥感影像进行融合，以实现对目标更精确、更可靠的估计和判断。

从融合原理来看大致可以分为基于信号分析原理的融合方法、基于色彩空间理论的融合方法、基于数理统计分析、四则运算的融合方法但是传统的遥感影像融合方法如：主成分分析(PCA)，HIS变换融合，CN融合等方法在多源异构影像的融合中均有一定的局限性无法很好的提高融合影像的分辨率及空间细节表现能力。

发明内容

针对现有技术存在的不足，本发明提供了一种多源异构遥感影像的融合方法，利用高分遥感影像及无人机航片影像，将àtrous小波算法引入到HIS影像融合任务中，相对于传统的HIS影像融合方法，有效的提高了融合影像的分辨率及空间细节表现能力。

本发明的实现方法如下：

一种基于多源异构遥感影像的融合方法，包括如下步骤：

(1)选取两幅相同区域高分遥感影像和无人机航片影像作为实验数据，进行预处理；

(2)通过GS(Gram-Schmidt)融合算法将高分遥感影像的全色影像与多光谱影像融合，得到融合后的影像GS；

(3)对融合后的GS影像进行HIS变换，得到亮度(I

(4)对无人机航片影像采用àtrous小波算法，进行波段分解得到不同分辨率的小波面；

(5)将各小波面叠加到PAN影像中，得到融合后的影像UAP同样对UAP进行影像的HIS 变换得到对应的亮度(I

步骤(1)所述预处理过程如下：

(a)利用高分遥感影像自带的RPC系数，对影像进行正射校正；

(b)对正射校正后的高分遥感影像和航片影像以PAN影像为基准采用SIFT算法进行图像配准。

基于上述技术方案，本发明具有以下有益效果：

本发明使用了高分辨率遥感影像和无人机航片影像作为数据源，将àtrous小波算法引入到HIS影像融合任务中，相对于传统的HIS影像融合方法，有效的提高了融合影像的分辨率及空间细节表现能力。

附图说明

图1为本发明流程示意图。

具体实施方式

下面将结合附图，对本发明的技术方案进行清楚、完整地描述。此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。

如图1所示，本发明提出的一种多源异构遥感影像融合的方法，包括如下步骤：

(1)选取两幅相同区域高分遥感影像和无人机航片影像作为实验数据，本发明使用高分二号的MSS影像和PAM影像和0.2m分辨率的航片影像作为数据源，由于初始的数据影像为 L1A级数据，在进行变化检测之前，必须对初始影像进行相关的预处理，处理流程如下：

1.1正射校正：高分二号的L1A级数据包含量了rpb文件，其中包含了有理多项式系数RPC，结合同区域的数字高程模型DEM，实现对高分遥感影像数据的正射校正。

1.2影像配准：对正射校正过后的高分二号影像和航片影像以PAN影像为基准采用SIFT算法提取特征点，然后根据最邻近(NN)和第二邻近(SCN)的比值来确定匹配点对，当点之特征间的欧式距离小于NN/SCN比值时，确定为可能的匹配点对，最后采用多次RANSAC算法去除误匹配点，最终实现影像配准。

(2)通过GS(Gram-Schmidt)融合算法将高分遥感影像的全色影像与多光谱影像融合，得到融合后的影像GS。

2.1 GS(Gram-Schmidt)融合算法是将MSS影像转换到正交空间消除冗余信息使变换后的各分量在正交空间里都正交，各分量中信息量的保留程度相差较小。GS融合方法是在统计分析理论的基础上，将所有待融合的波段进行直方图最佳匹配，对某些传统融合方法的部分波段信息过度冗余，以及随着遥感技术发展带来的高空间分辨率PAN波段区域扩大，而导致的光谱响应区域不同步的问题，该融合算法都能很好的解决。并且，该算法不受波段限制，能够很好地保持光谱要素信息，对目标地物的空间纹理保持性也较好。GS变换公式如下：

式中，GS

(3)对融合后的GS影像进行HIS变换，得到亮度(I

(4)对无人机航片影像采用àtrous小波算法，进行波段分解得到不同分辨率的小波面：

4.1 àtrous小波算法的具体描述如下：假设原影像数据为{C0(k)}，经过尺度函数<(x)的一次滤波后所得数据为{C1(k)}，则{C0(k)}-{C1(k)}包含两尺度影像间的信息差，则{C0 (k)}-{C1(k)}包含两尺度影像间的信息差，即细节信号(小波面)，而在j次滤波后所得到的影像数据可由下式表示：

4.2该过程也可用卷积运算代替，其公式为：

4.3而小波系数Wj(k)＝{Cj-1(k)}-{Cj(k)}，式(3)中的h(l)为低通滤波算子，它与尺度函数＜f(x)间的关系可表示为：

4.4这样小波函数Φ(x)可定义为：

4.5 àtrous小波变换实际上将输入影像数据分解为多个细节信号与一个背景信号，影像的细节特征集中于小波面中，而原影像即为各细节信号与背景信号的叠加，由此即可得到àtrous 小波的重构公式：

4.6 àtrous小波算法可以很容易地扩展到二维空间，在二维空间其算法类似于用卷积核对影像进行滤波，由于B3-spline对不规则样本数据具有很好的插值性，通常选择B3-spline作为尺度函数,其二维卷积核R为：

(5)将各小波面叠加到PAN影像中，得到融合后的影像UAP同样对UAP进行影像的HIS 变换得到对应的亮度(I

以上所述的具体实施方式对本发明的技术方案进行了详细说明，应理解的是以上所述的实例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。