專利名稱：：一種基于sfim和ihs變換的圖像融合方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種圖像處理方法，尤其是一種圖像融合方法。技術(shù)背景針對遙感數(shù)據(jù)海量化、多樣化、復(fù)雜化以及數(shù)據(jù)間互補性、冗余性共存的特點，如何高效、高速地處理多源遙感數(shù)據(jù)，成為目前遙感應(yīng)用領(lǐng)域亟待解決的問題。為此，基于"在盡可能保持源圖像光譜信息的前提下提高其空間分辨率"的融合目的，多種融合方法己被提出并得到廣泛應(yīng)用1999年《正EETransactionsonGeoscienceandRemoteSensing》公開了"Multiresolution-BasedImageFusionwithAdditiveWaveletDecomposition";2006年，《Proceedingofthe2006IEEEInternationalConferenceonMechatronicsandAutomation》公開發(fā)表"WaveletBasedRemoteSensingImageFusionwithColorCompensationRuleandIHSTransform"—文。上述方法基于多分辨率分解的優(yōu)良特性，充分利用源圖像的互補特征，將高空間分辨率圖像的空間細節(jié)信息合理加入I分量中，有效補充多光譜圖像中缺失的信息，從而使融合結(jié)果圖像光譜畸變顯著減小。但是，此類方法的時間、空間復(fù)雜度較高，小波變換形式與小波基的選取對融合結(jié)果也會產(chǎn)生影響，因此具有高時耗性和計算復(fù)雜性，難以滿足日益海量的多源遙感圖像處理的實時性要求。此外，為了避免上述多分辨率分解，力求計算簡單，實時性好，2001年，《SocietyofPhoto-OpticalInstrumentationEngineers》公開了"EfficientIntensity-Hue-Saturation-BasedImageFusionwithSaturationCompensation"的方法；2006年，《正EETransactionsonGeoscienceandRemoteSensing》公開"ANewIntenstiy-Hue-SaturationFusionApproachtoImageFusionwithaTradeoffParameter"—文，上述方法基于IHS變換，計算簡潔，能夠獲取同時具有高光譜分辨率與高空間分辨率的融合結(jié)果，融合性能得到不同程度的改善。上述文獻所述方法雖然避免了多分辨率分解，計算簡單，實時性好，融合結(jié)果得到不同程度的改善；但是其中的加權(quán)系數(shù)、調(diào)整系數(shù)及閾值大小多為人為指定、具有隨機性，并需經(jīng)過大量的試驗、分析方可得出適合特定應(yīng)用場合的結(jié)果。
發(fā)明內(nèi)容為了克服現(xiàn)有技術(shù)無法避免光譜畸變，或者需要引入復(fù)雜、耗時的頻率分解和重建過程的不足，本發(fā)明提供一種基于SFIM和IHS變換的圖像融合方法，引入SFIM模型，提出SFIM和IHS相結(jié)合的融合方法，既能顯著保持光譜特性又避免引入復(fù)雜、耗時的頻率分解與重建過程。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案包括以下步驟(a)對高空間分辨率圖像和高光譜分辨率圖像進行幾何配準、去噪等預(yù)處理。(b)由IHS正變換公式<formula>formulaseeoriginaldocumentpage4</formula>對原高光譜分辨率圖像的RGB波段(i。,G。,^)進行IHS變換，分別提取/、//、S(c)由公式<formula>formulaseeoriginaldocumentpage4</formula>對/分量進行SFIM運算，即/替代p,，、高空間分辨率圖像替代/^，計算得出。(d)由IHS反變換公式<formula>formulaseeoriginaldocumentpage4</formula>得到及，"_,^_，進而經(jīng)波段疊加得到融合結(jié)果。SFIM模型基于簡化的太陽輻射與地表光譜反射原理，對于高空間分辨率圖像和高光譜分辨率圖像來說，其定義為其中，D(A)，表示對高空間分辨率圖像的每個像素進行平滑濾波的結(jié)果；pU);。w表示高光譜分辨率圖像在波段A的光譜反射率，反映出高光譜分辨率圖像的光譜信息；E(力場表示高空間分辨率圖像在波段A的輻射照度，反映出高空間分辨率圖像引入的地形和紋理信息。由于高空間分辨率與高光譜分辨率圖像之間的光譜差異并非根本因素，上述公式可以進一步簡化為更為通用的SFIM模型p'畫畫廠/ow廠力袖其中，/^.表示與高空間分辨率圖像/^已經(jīng)配準的高光譜分辨率圖像的一個像素，/^是高空間分辨率圖像/^經(jīng)鄰域平滑濾波所得的一個模擬像素，其分辨率與^相同。/^,與尸_的比值消除了高空間分辨率圖像的光譜和對比度信息，僅保留了高空間分辨率圖像的邊界信息，即高光譜分辨率圖像中缺失的空間細節(jié)信息，因此，SFIM模型能夠準確利用源圖像的互補特征，將空間細節(jié)信息合理、有效地調(diào)制到己配準的高光譜分辨率圖像中，且不改變其光譜特性與對比度，并且從降低高空間分辨率圖像的空間分辨率來匹配高光譜分辨率圖像這一點來看，SFIM模型與小波變換相似，但是基于待融合圖像相似的照度和幾何信息條件下，SFIM卻比小波變換大大簡化了；另一方面，該模型不適用于光照條件和物理特性不同的圖像融合，如光學(xué)圖像與雷達圖像等。本發(fā)明的有益效果是本發(fā)明引入了SFIM模型，提出SFIM和IHS相結(jié)合的融合方法，既能顯著保持光譜特性又避免引入復(fù)雜、耗時的頻率分解與重建過程。本發(fā)明方法不引入多分辨率分解過程，且光譜保持性能優(yōu)越，同時細節(jié)融入準確、有效，實時性好，客觀評價與目視效果一致，又由于提高空間分辨率與保持光譜信息存在一定矛盾，因此本發(fā)明方法符合融合目的，融合效果最優(yōu)，融合性能高效、高速。下面結(jié)合附圖和實施例對本發(fā)明進一步說明。圖l(a)是原始全色圖像；圖l(b)是原始多光譜圖像；圖l(C)是傳統(tǒng)IHS方法圖像；圖l(d)是對比方法一的圖像；圖l(e)是對比方法二的圖像；圖l(f)是對比方法三的圖像；圖1(g)是傳統(tǒng)SFIM方法圖像；圖l(h)是本發(fā)明圖像。圖2是不同融合方法的融合結(jié)果客觀評價指標比較圖。具體實施方式采用256級灰度、300X300像素尺寸的SPOT全色波段圖像(10mX10m)和"資源一號"衛(wèi)星多光譜圖像(20mX20m)，且后者取其5個波段中的2、3、4三個波段合成假彩色圖像，上述圖像已經(jīng)過精確幾何校正、圖像配準等預(yù)處理，所有方法和實驗均在MATLAB7.0上實現(xiàn)。本實施例包括以下步驟(a)對高空間分辨率圖像和高光譜分辨率圖像進行幾何配準、去噪等預(yù)處理。(b)由IHS正變換公式<formula>formulaseeoriginaldocumentpage6</formula>對原高光譜分辨率圖像的RGB波段(/。,G。,^)進行IHS變換，分別提取/、仏S分量。(c)由公式尸尸廣s層尸—對/分量進行SFIM運算，即/替代^、高空間分辨率圖像替代^，計算得出((d)由IHS反變換公式5層os。<formula>formulaseeoriginaldocumentpage6</formula>得到i^,G^,S^，進而經(jīng)波段疊加得到融合結(jié)果。本實施例中，方法(C)表示傳統(tǒng)IHS方法；方法(d)表示對比方法一，即2006年，《IEEETransactionsonGeoscienceandRemoteSensing》公開白勺"ANewIntenstiy-Hue-SaturationFusionApproachtoImageFusionwithaTradeoffParameter"方法(t:2);方法(e)表示對比方法二，即2003年，《2ndGRSS/ISPRSJointWorkshopon'DataFusionandRemoteSensingoverUrbanAreas》公開的"HighResolutionImageFusionBasedonWaveletandIHSTransformations"方法；方法(f)表示對比方法三，即2006年，(Proceedingofthe2006IEEEInternationalConferenceonMechatronicsandAutomation》公開發(fā)表白勺"WaveletBased'RemoteSensingImageFusionwithColorCompensationRuleandIHSTransform"方法；方法(g)表示傳統(tǒng)SFIM方法；方法(h)表示本發(fā)明方法。從目視效果來看(圖1)，c方法因"直接替換"而完全丟失了I分量中的信息，因此，雖然保留了全色圖像的空間細節(jié)信息，大大提高了分辨率，卻嚴重扭曲了原始多光譜圖像的光譜信息。d方法既融入了一定的空間細節(jié)信息，又保持了一定的光譜信息，但光譜扭曲依然存在，即使變化平衡因子t的取值用以調(diào)整空間分辨率與光譜分辨率之間的矛盾，二者之間仍未能達到較好平衡。e方法運用mallat小波變換，既融入了全色圖像的重要信息，又大大減小了光譜畸變，但存在細節(jié)模糊現(xiàn)象，且方塊效應(yīng)明顯。f方法在e方法的基礎(chǔ)上進一步細化小波分解各頻率分量的融合規(guī)則，消除了方塊效應(yīng)與細節(jié)模糊現(xiàn)象，圖像更加清晰，但從結(jié)果圖像不難看出，圖像對比度較原始多光譜圖像發(fā)生變化，且湖泊中明顯出現(xiàn)虛假信息，從而影響了光譜信息的進一步保持。g方法的融合結(jié)果圖像顯示了SFIM模型的顯著優(yōu)勢，即光譜保持性能優(yōu)越，空間細節(jié)明顯加入，本發(fā)明方法則在此基礎(chǔ)上避免信息的重復(fù)添加，進一步提高了空間分辨率與光譜分辨率，融入信息更為準確、有效。目前，圖像融合效果除了上述主觀評價還需進行客觀評價。從基于"在盡可能保持源圖像光譜信息的前提下提高其空間分辨率"的融合目的和融合性能高效、高速的角度考慮，本方法選用光譜相關(guān)系數(shù)、空間細節(jié)相關(guān)系數(shù)、標準差、平均梯度、熵和運算時間等6項指標進行分析。其中，光譜相關(guān)系數(shù)表示融合結(jié)果與原多光譜圖像的相似程度，反映光譜保持性能；空間細節(jié)相關(guān)系數(shù)表示融合結(jié)果與原全色圖像在高頻信息方面的相似程度，平均梯度則表示圖像中微小細節(jié)的反差和紋理變化特征及清晰度，上述二者反映空間細節(jié)融入能力；標準差表示圖像反差大小，熵則表示圖像攜帶信息的多少，上述二者反映融合結(jié)果信息量的豐富程度；運算時間基于1.8GHzPentium4PC,WindowsXP，Matlab7.0運行環(huán)境，直接反映方法實時性。前述各指標除運算時間外，皆為越大越優(yōu)型指標。表2列舉了客觀評價指標的比較結(jié)果，其中，c方法、d方法、g方法與本發(fā)明方法皆為非基于多分辨率分解的融合方法，而e方法與f方法為基于多分辨率分解的融合方法。下面根據(jù)表2的統(tǒng)計數(shù)據(jù)進行綜合分析本發(fā)明方法的光譜相關(guān)系數(shù)明顯最大，g方法次之，c方法最差，表明本發(fā)明方法的光譜保持性能甚至優(yōu)于基于多分辨率分解的融合方法。對于空間細節(jié)相關(guān)系數(shù)指標，c方法〉f方法〉本發(fā)明方法〉e方法〉g方法〉d方法，對于平均梯度指標，f方法〉e方法"本發(fā)明方法〉g方法〉c方法〉d方法，這里需要指出，此兩類指標不能作為融合結(jié)果的絕對衡量指標，而應(yīng)與其它指標如光譜相關(guān)系數(shù)等共同衡量，即使融合結(jié)果中此兩類指標較優(yōu)，如果結(jié)果存在光譜失真、虛假信息等現(xiàn)象(如主觀評價中所述)，那么也因源于非原圖信息而不能準確評判融合結(jié)果的優(yōu)劣。因此，根據(jù)上述指標數(shù)據(jù)比較，本發(fā)明方法的空間細節(jié)與光譜的整體相關(guān)系數(shù)最大，平均梯度明顯提高，說明本發(fā)明方法在保持光譜性能的基礎(chǔ)上有效添加了原多光譜圖像缺失的空間細節(jié)，清晰度較好。從標準差角度來看，本發(fā)明方法略差于f方法與g方法，熵則略差于f方法與e方法，其中，e方法由于方塊效應(yīng)導(dǎo)致虛假信息，f方法也因mallat小波形式及融合規(guī)則過分細化引入虛假信息，g方法則因細節(jié)信息的重復(fù)添加帶來較大的圖像反差，因此都具有較高的信息含量，而本發(fā)明方法的融入信息準確、合理，且不存在由小波分解形式及小波基的選取所引入的虛假信息。進而本發(fā)明方法的運算時間與基于多分辨率分解的各改進方法相比大大縮短，與非基于多分辨率分解的各改進方法相當，其中，較g方法的運算時間有所增加，這是由于本發(fā)明改進方法綜合SFIM模型與IHS變換引起運算復(fù)雜度變大，但是與各改進方法相比，依然滿足實時性的要求,且光譜保持、細節(jié)融入、信息含量等多個指標皆優(yōu)于g方法與IHS方法。綜上所述，本發(fā)明方法不引入多分辨率分解過程，且光譜保持性能優(yōu)越，同時細節(jié)融入準確、有效，實時性好，客觀評價與目視效果一致，又由于提高空間分辨率與保持光譜信息存在一定矛盾，因此本發(fā)明方法符合融合目的，融合效果最優(yōu)，融合性能高效、高速。權(quán)利要求1.一種基于SFIM和IHS變換的圖像融合方法，其特征在于包括下述步驟(a)對高空間分辨率圖像和高光譜分辨率圖像進行幾何配準、去噪等預(yù)處理；(b)由IHS正變換公式<math-cwu><![CDATA[<math><mrow><mfencedopen='['close=']'><mtable><mtr><mtd><mi>I</mi></mtd></mtr><mtr><mtd><msub><mi>v</mi><mn>1</mn></msub></mtd></mtr><mtr><mtd><msub><mi>v</mi><mn>2</mn></msub></mtd></mtr></mtable></mfenced><mo>=</mo><mfencedopen='['close=']'><mtable><mtr><mtd><mn>1</mn><mo>/</mo><mn>3</mn></mtd><mtd><mn>1</mn><mo>/</mo><mn>3</mn></mtd><mtd><mn>1</mn><mo>/</mo><mn>3</mn></mtd></mtr><mtr><mtd><mo>-</mo><msqrt><mn>2</mn></msqrt><mo>/</mo><mn>6</mn></mtd><mtd><mo>-</mo><msqrt><mn>2</mn></msqrt><mo>/</mo><mn>6</mn></mtd><mtd><mn>2</mn><msqrt><mn>2</mn></msqrt><mo>/</mo><mn>6</mn></mtd></mtr><mtr><mtd><mn>1</mn><mo>/</mo><msqrt><mn>2</mn></msqrt></mtd><mtd><mo>-</mo><mn>1</mn><mo>/</mo><msqrt><mn>2</mn></msqrt></mtd><mtd><mn>0</mn></mtd></mtr></mtable></mfenced><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>R</mi><mn>0</mn></msub></mtd></mtr><mtr><mtd><msub><mi>G</mi><mn>0</mn></msub></mtd></mtr><mtr><mtd><msub><mi>B</mi><mn>0</mn></msub></mtd></mtr></mtable></mfenced></mrow></math>]]></math-cwu><!--imgid="icf0001"file="S2008100181158C00011.gif"wi="64"he="20"top="56"left="78"img-content="drawing"img-format="tif"orientation="portrait"inline="no"/-->全文摘要本發(fā)明公開了一種基于SFIM和IHS變換的圖像融合方法，對高空間分辨率圖像和高光譜分辨率圖像進行幾何配準、去噪等預(yù)處理；由IHS正變換公式對原高光譜分辨率圖像的RGB波段(R<sub>0</sub>，G<sub>0</sub>，B<sub>0</sub>)進行IHS變換，分別提取I、H、S分量；由公式(I)對I分量進行SFIM運算，即I替代P<sub>low</sub>、高空間分辨率圖像替代P<sub>high</sub>，計算得出I<sub>SFIM</sub>；由IHS反變換公式得到R<sub>new</sub>，G<sub>new</sub>，B<sub>new</sub>，進而經(jīng)波段疊加得到融合結(jié)果。本發(fā)明引入了SFIM模型，提出SFIM和IHS相結(jié)合的融合方法，既能顯著保持光譜特性又避免引入復(fù)雜、耗時的頻率分解與重建過程。文檔編號G06T3/00GK101266686SQ20081001811公開日2008年9月17日申請日期2008年5月5日優(yōu)先權(quán)日2008年5月5日發(fā)明者何貴青申請人:西北工業(yè)大學(xué)