專利名稱：一種基于梯度場的優(yōu)化融合遙感圖像處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于梯度場的優(yōu)化融合遙感圖像處理方法。
技術(shù)背景隨著航天、航空技術(shù)的發(fā)展，多源數(shù)據(jù)獲取的途徑不斷增加，高分辨率與 多光譜圖像的融合已成為遙感領(lǐng)域的常規(guī)圖像處理任務(wù)之一，應(yīng)運而生推出了各種遙感圖像融合的方法。所謂高分辨率是指圖像空間分辨率相對較高，即 在遙感圖像上能夠詳細(xì)區(qū)分的最小單元所代表的地面對應(yīng)面積或距離的大小； 而多光譜是指多通道傳感器獲取了多個波段，每個波段對應(yīng)一定的波長范圍或 波段寬度，具有一定的波譜分辨率。對于光學(xué)遙感系統(tǒng)來說，空間分辨率與光 譜分辨率常處于"魚和熊掌不可兼得"的狀況，即獲取高空間分辨率的全色 圖像(其波段范圍覆蓋較寬)，與所獲取較高光譜分辨但空間分辨率相對較低的 多光譜圖像進行融合，產(chǎn)生一幅既具有高空間分辨率，又具有豐富的光譜信息 的彩色合成圖像，進而增進遙感圖像信息識別和可視化效果，它在遙感技術(shù)領(lǐng) 域具有重要的應(yīng)用價值。在^f象素級融合中， 一般使用Hue-Saturation-Intensity(HSI )變換、BR0VEY 變換、主成分分析(PCA)、高通濾波(HPF)、金字塔和小波變換(Wavelet transform,簡稱WLT)等方法。HSI變換法在多傳感器像素融合方面應(yīng)用較廣， 最早由Hayden等人提出，他們將MSS數(shù)據(jù)與熱慣量數(shù)據(jù)進行融合。后來，HSI 成為遙感圖像像素級融合的一個經(jīng)典方法，它能夠增強圖像特征，提高分辨率， 融合異源圖像數(shù)據(jù)等等。與其類似的HSV、 YIQ變換也常被用于圖像融合。BR0VEY 變換屬于簡單的算術(shù)方法，類似的使用加法、減法、乘法和比值等方法實現(xiàn)融 合運算也很多。其中，加法、乘法多用于銳化增強，減法和比值法多用于檢測 變化。PCA屬于統(tǒng)計方法，其應(yīng)用領(lǐng)域很廣，可以用于多波段合成，圖像增強，圖像分類等。實際上，HIS, HSV， YIQ和PCA都可以看作是成分替換法。而HPF、 金字塔和小波變換是屬于對高頻處理的方法。HPF通常是利用某些高通濾波算子 得到高頻部分后用于其它處理之中。金字塔是80年代中期由Burt等人首次提 出的拉普拉斯金字塔變換而引入的，隨后出現(xiàn)了基于低通對比度金字塔、梯度 金字塔、形態(tài)學(xué)金字塔等多種不同的圖像融合方法。這類算法保留源圖像中邊 緣劇烈變化的信息，并能很好地進行時頻定位。雖然，金字塔變換利用多尺度 的分析方法，但它的變換不是非冗余的，而且不提供方向信息。因此，隨著小 波變換的發(fā)展，九十年代提出了基于小波變換的圖像融合。鑒于小波理論與方 法的不斷發(fā)展，越來越多的人利用這一工具進行遙感圖像的融合。利用這些方法進行圖像融合時，存在各自的利弊。其中，HIS, PCA， Brovey 等方法雖能起到較好的可視化效杲，但融合結(jié)果使圖像的波譜信息和空間信息 均有較大的改變，無法在其結(jié)果圖像上更進一步進行圖像分析和應(yīng)用分類等。 加之，當(dāng)多光譜圖像與高分辨率圖像的光語覆蓋范圍和成像時間不一致時，更 易產(chǎn)生光譜扭曲，從而影響可視化和可應(yīng)用性的效果。HPF、金子塔及小波變換 融合方法的優(yōu)點在于4艮好地保留了原多光謙圖像的光語信息，但經(jīng)過高頻處理 的高分辨率圖像空間信息保存的程度取決于濾波器的選擇或基函數(shù)選擇的優(yōu) 劣，如由于各種地物類型特征的差異，很難或不可能找到一個理想尺寸的濾 波器，造成HPF高通濾波器濾波核半徑大小選取的困難，且空間分辨率改善效 果不明顯；小波則也存在基函數(shù)選擇難度大等問題。綜上所述，上述融合算法 均不能達(dá)到既4艮好地保留遙感圖像的光譜信息，又提高其空間分辨率的效果； 而且常用的圖像融合的方法一般需要限定圖像分辨率的差異，如兩圖像之間 比例尺的差異不得大于1:4的比率，但實際應(yīng)用中常需考慮如何改善尺度差異 大(1 : 8或1 : 10)的圖像融合效果。發(fā)明內(nèi)容針對現(xiàn)有技術(shù)的缺點，本發(fā)明的目的是提供一種既能很好地保留遙感圖像 的光譜信息，又能提高其空間分辨率要求的基于梯度場的優(yōu)化融合遙感圖像處理方法。為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案為 一種基于梯度場的優(yōu)化融合遙感 圖像處理方法，其特征在于包括以下步驟a. 利用圖像預(yù)處理器將多光譜圖像h的每個波段均取樣為與高分辨率圖像g 相同的地域范圍，并進行幾何精確校正處理，再視高分辨率圖像質(zhì)量對其進行 對比度增強處理；b. 按預(yù)處理后的高分辨率圖像的梯度特征定義融合圖像的梯度約束，使得 融合圖像的梯度趨近于高分辨率圖像g，并滿足以下方程Vc,p， qeNp: f印-(4)其中，Np表示融合圖像S上每個像素點p上的四鄰域點或者八鄰域點，而fcp是第C波段在該點的像素值，其中，Ce{1，2，AC}， C是光譜段數(shù)目，fcq是第c波段融合圖像在該點的像素值；c. 再對定義了梯度約束后的圖像進行光譜約束的約定，使得融合圖像的多光譜信息趨近于多光譜圖像h,并滿足以下方程 Vc,P:2XMp-一)=、 (5)qk是低通濾波梭函數(shù)；而其中，ce{1,2，AC}, C是光譜段數(shù)目；d. 建立融合優(yōu)化求解方程經(jīng)梯度約束和光譜約束定義后，可對融合圖像S建立圖像融合求解方程， 利用方程(1)和(2)兩個函數(shù)，轉(zhuǎn)換為優(yōu)化^^式(3)用于求解優(yōu)化融合圖像，S IX -、 -9p +9q)2 +"2HKM(p，r)-h'p)2 ( 6 )P qeNp p r"2是正則化因子，Kw(p，r)為高斯密度函數(shù)，hp，由原多光譜圖像重采樣得到；e. 經(jīng)選擇單元選擇融合圖像的核半徑在實現(xiàn)上述優(yōu)化圖像融合處理算法過程中，需根據(jù)高、低分辨率圖像的比 例差異，選擇出融合處理的核半徑，即在融合圖像S中選擇單元處理，其中選擇方案為Kw(p，q)的非零范圍，取稍大于圖像高、低分辨率比值的兩倍的矩形窗口，貝'J (3)式的解可滿足以下方程(4):外eS， |N'p|fp-^Vq-4h'p +》gp-gq) (4)q-p qeNph，是原多光譜圖像重采樣得到，k選取高斯密度函數(shù)，Np表示融合圖像S 上每個像素點p上的四鄰域點或八鄰域點，則1Npl表示鄰域上的點的數(shù)目，iNp'HNpl + ("2/2)K"p， q);步驟e中，調(diào)整《2因子的大小，再采用簡單迭加算法經(jīng)若干次迭代達(dá)到收 斂解，并合成圖像像素值。步驟a中，利用直方圖均衡化或分段線性拉伸的方法將多光譜圖像與高分 辨率圖像進行對比度增強，屬常規(guī)處理方法。步驟b中，將融合圖像使用dell.5，2]的線性因子進行梯度約束，初始值設(shè)為 經(jīng)上采樣后的多光譜圖像。圖像優(yōu)化融合算法的核半徑選擇Kw(p, q)的非零范圍比^xSn的矩陣稍大，其中n為兩圖像高、低分辨率圖像的比例差，使大于1 : 4比例差的圖像融合處 理也能獲得優(yōu)化融合的效果。步驟a中，該圖像預(yù)處理器還將兩種圖像進行消除噪聲及輻射校正處理， 屬常^L處理方法。


圖1為本發(fā)明的優(yōu)化融合處理流程。
具體實施方式
下面結(jié)合附圖對本發(fā)明作進一步的詳細(xì)說明。基于梯度約束與光譜約束的解決途徑，本方法的核心算法采用高斯核函數(shù),利用梯度約束方程和光譜約束方程迭代求收斂解，并形成圖像優(yōu)化融合處理流 程與方法。如圖1所示，具體的講，本發(fā)明基于梯度場的優(yōu)化融合(0PTF)遙感圖像處理方法，假設(shè)分別獲取一幅多光譜圖像ti和一幅高分辨率圖像g，若令S是一個融合圖像f定義區(qū)域，對于離散的數(shù)字圖像，S則是有限的離散格點。包括 如下步驟1) 圖像的預(yù)處理——將多光譜圖像h的每個波段均取樣為與高分辨率圖像 g相同的地域范圍，并進行幾何精校正處理；另外，還需視高分辨率圖像的質(zhì)量， 對其進行對比度增強，如直方圖均衡化或分段線性拉伸等。2) 定義梯度約束——為了保證融合圖像的空間分辨率，要求融合圖像的梯 度與高分辨率圖像g的梯度盡量接近，即定義梯度約束，滿足以下方程vc,p， qeN" f卬-fngq (7)3) 定義光譜約束——為了使融合圖像符合多光譜圖像的光譜信息，即盡量保持其與對應(yīng)波段的多光譜圖像信息的一致性，即定義光譜約束，滿足以下方程Vc'p:D岡Mp-q一印 (8)q4) 建立融合優(yōu)化求解方程——由這兩個目標(biāo)梯度約束和光譜約束建立融 合圖像求解方程。對每個多光譜波段而言，利用方程(1)和(2)兩個函數(shù)， 可以轉(zhuǎn)換為優(yōu)化7>式(3)用于求解融合圖像；，i; ix -fq -gP+gq)2+"2:s(2:frKM(p,r)-h'p" (9)5) 選擇融合圖像的核半徑——為了既使方程(3)滿足前項解——使融合 圖像與高分辨率圖像的梯度場盡量接近；又滿足后項解——使融合圖像與多光 譜合成圖像的顏色盡量相近。需根據(jù)所融合的圖像選擇核半徑，推薦選擇方案為Kw(p,q)的非零范圍，取稍大于高低分辨率比值的兩倍的矩形窗口，則(3)式的解可滿足以下方程<formula>formula see original document page 9</formula>式中h'是h的上采樣。鑒于多光譜圖像h自身的每個像素值與相鄰的四個像素值相關(guān)，則當(dāng)兩圖像高、低分辨率圖像的比例差為n時，則Kw(p，q)的非零范圍應(yīng)該是比2nx2n的矩陣稍大。高分辨率圖像的梯度可使用d e [1.5,2]的線性因 子拉伸，方程組可以用簡單迭代進行求解，將初值設(shè)置為經(jīng)過上采樣的多光i普 圖像。6)選擇正則化因子"2的值——為達(dá)到最優(yōu)效果，可調(diào)整"2因子的大小，再 經(jīng)過若干次迭代則可達(dá)到收斂解，即計算求得合成圖像像素值。在上述方法中，步驟l)的具體操作屬遙感圖像預(yù)處理的常規(guī)方法，其主要 目的是使兩種原始圖像滿足圖像融合所需的基本條件，即高精度配準(zhǔn)、高清 晰和對比度適宜的圖像。具體的處理流程不再贅述；在上述方法中，步驟2)的方程中，Np表示融合圖像S上每個像素點p上的四鄰域點或者八鄰域點，則INpl表示鄰域上的點的數(shù)目；而fcp是第c波段在該點的像素值，其中，ce{1,2，AC}， C是光譜段數(shù)目。在上述方法中，步驟3)的方程中，k是低通濾波核函數(shù)；而fcq是第c波段融合圖像在該點的像素值，其中，ce{1，2,AC}， C是光譜段數(shù)目；在此，通 過低通濾波核函數(shù)k使融合圖像與多光譜圖像的空間分辨率一致，目的是使它 在對應(yīng)波段中，能使對應(yīng)像素位置的空間信息與多光譜圖像的一致，從而達(dá)到 光譜約束。在上述方法中，步驟4)的具體推理和操作過程如下由步驟2)和3)兩 個目標(biāo)梯度約束和光譜約束求解融合圖像，利用公式(1)和公式(2)的關(guān) 系轉(zhuǎn)換的優(yōu)化公式(3)，可對每一個多光譜波段與高分辨率圖像進行融合；采 用方程(3)第一項執(zhí)行步驟2可使融合圖像與高分辨率圖像的梯度場接近，得到相應(yīng)波段高分辨率融合圖像；第二項則要求合成圖像的顏色值與多光譜圖像 的盡量相近。(3)式執(zhí)行的解則滿足(4)式。在上述方法中，步驟5)的具體操作為根據(jù)兩圖像間的比例差異，選擇融 合處理的核半徑，建議選擇原則是選取比2nx2n稍大的矩陣。此步驟由(3)式推理而來令Np表示融合圖像S上每個像素點p上的四鄰域點或八鄰域點，則 (Npl表示鄰域上的點的數(shù)目。對f的每個象素點求解(4)式線性方程組，其中方程組可以用簡單迭代進行求解，將初值設(shè)置為經(jīng)過上取樣的多光譜圖像， 再經(jīng)過若干次迭代即可達(dá)到收斂解。在本方法中，核函數(shù)k選取高斯密度函數(shù)，那么KM(p，q)， Kw(p，q)都是高斯密度函數(shù)，這是由高斯函數(shù)的半群性質(zhì)決定的， 根據(jù)兩者的關(guān)系式，Kw(p，q)的標(biāo)準(zhǔn)差是KM(p，q)的V^倍。事實上，KM(p,Q),Kw (p， q)濾波是成對的，其實質(zhì)是使融合圖像用高斯低通濾波后能與濾波后的多 光譜圖JI4目一致。由于h'是原來多光譜圖像重采樣得到，采樣方法用雙線性插值，所以不需 要再用KM(p，q)對h，進行低通濾波，即Kw(p,q)是lxl陣列，此時(4)式為變 為VpeS， IN'Jfp-ZfV,^h'p +》gp-gq) (10)實際上，此^^式由公式(3)推導(dǎo)得出，當(dāng)KM(p，q)是lxl陣列時，則可采用Kw(P,q)I>M(p,r)KM(q，r)此方程。考慮到插值使h，每個像素值與原來h相鄰的四個^"象素值有關(guān)，且原來 h的每個像素值也會與鄰近的像素值相關(guān)。所以，如果高低分辨率圖像的邊長比為n時，那么Kw(p, q)的非零范圍應(yīng)該是比2nx2n的矩陣稍大。如前所述，Kw(p，q)可選擇典型的高斯函數(shù)。在上述方法中，步驟6)的具體才喿作或推理過程如下《2是正則化因子，需 據(jù)所融合的圖像選擇核半徑及^因子的大小，進而進行多光譜圖像逐波段與高 分辨率圖像優(yōu)化融合。綜上所述，本發(fā)明提出的優(yōu)化融合方法是在高質(zhì)量圖像與處理的;S^出上， 先定義梯度約束與光譜約束函數(shù)，不僅使融合圖像與高分辨率圖像的梯度場盡 量接近，且使其與各波段的多光譜圖像盡量相近；利用這兩個函數(shù)可以轉(zhuǎn)換為 優(yōu)化融合公式(3)，分別對每個波段求解出融合圖像；其中，式(3)的核函數(shù) 采用典型的高斯核函數(shù)，其實質(zhì)是要使合成圖像用高斯低通濾波后，能與多光 譜圖像相一致；另外，考慮到高分辨率圖像是全色波段，它的梯度與各個多光 譜段的梯度并不易保持一致，故可用一個乘性因子控制其梯度幅度。本發(fā)明的優(yōu)點或效果體現(xiàn)在如下方面1、本發(fā)明的主要創(chuàng)新之處在于l)方法上提出了優(yōu)化融合方法，它以 高分辨率圖像的梯度場作為給定引導(dǎo)場或梯度約束，并以多光譜合成圖像的色 調(diào)作為顏色約束，最小化或優(yōu)化目標(biāo)合成圖像與兩原始圖像的梯度差異和色彩 差異，通過迭代求解線性方程組得到融合結(jié)果；2)圖像梯度差和色調(diào)差的定量 計算用"最小均方偏差分析"和"差值確定，，的保存率取值法，兩原始圖像的 梯度和色彩獲得了較可靠的保存率值。根據(jù)融合要求，采用顏色差異和梯度差 異進行統(tǒng)計評價。顏色差異是指把融合結(jié)果降為與原多光譜圖像同樣的空間分辨率，再與多 光譜圖像進行最小均方偏差分析和差值比較，即其中hp和f'p是原多光譜圖像和退化的合成圖像在p點的C個波段的像素值組成 向量，如hp"hV,h2p,A,hCp)，lVpe
,i^，2，AC, W， t為多光譜圖^象的長寬。梯度差異是合成圖像的強度或者亮度分量的梯度與全色圖像的梯度的最小均方偏差分析和差值，即其中I是合成圖像所有波段的均值，n是全色圖像與多光譜圖像的空間分辨率 的比值，如在上面的實驗中均為4。梯度差異^^f艮設(shè)全色圖像具有足夠強的對比 度。否則，在融合前將其進行對比度拉伸，這更有利于融合。 2、本發(fā)明的主要優(yōu)點在于(1)解決了遙感圖像融合中難以保證既保留遙感圖像的光譜信息，又提高 其空間分辨率的要求，本方法適應(yīng)于任意多個波段的融合中，在提高空間分辨 率的同時保持多光譜的信息。經(jīng)過視覺和定量評價，它明顯優(yōu)于傳統(tǒng)方法甚至 小波變換的融合方法，能達(dá)到最小的梯度差異和光譜信息差異。對圖像采用五 種方法，分別為HIS， PCA, BroveyOPTF和WLT進4亍定量分析后，可明顯4尋到HIS, PCA, Brovey分別只有一個點，即一個融合結(jié)果；而OPTF和WLT是通過改變平 滑因子和分解層數(shù)分別得到一條曲線。而且，OPTF在實驗中使用有效范圍為 13xl3的高斯低通模板，梯度被^/=1.5拉伸。HIS， PCA, Brovey三種融合方法的 顏色差異明顯大于OPTF和WLT。 OPTF則比WLT更好。它可以在與它們有相同的 梯度差異時達(dá)到最小的顏色差異，且可同時達(dá)到最小的顏色差異和梯度差異， 即最接近原點，這表明它在最大限度地提高空間分辨率的同時，達(dá)到了最小的 光譜偏差。上述分析比較說明本發(fā)明提出的方法能夠明顯提高空間分辨率和保 持多光譜的信息，即使是在全色圖像與多光譜圖像波段覆蓋范圍不一致的情況 下。(12)值得提及的是，本文提出的兩種方法可以在單獨的波段上進行融合，也可 以融合任意波段數(shù)目的多光譜圖像。同時，本方還可用于多聚焦圖像融合的圖像處理，它對圖像的恢復(fù)性能比 起小波變換更好，其融合結(jié)果與原圖差異很小。表1給出了兩種方法對黑白和 彩色融合結(jié)果圖像與原始圖像間差值的比較。小波變換優(yōu)化融合黑白圖像多聚焦融合0. 00110. 0010彩色圖像多聚焦融合0. 00800. 0051表l融合結(jié)果圖像與原始圖像間差值的比較表(2 )采用優(yōu)化融合方法可進行高分辨率和多光譜圖^f象兩者間尺度差異較大 的融合，如可改善圖像尺度差異在1: 10的圖像融合可視化效杲和原始信息 保存率。在進行多種可視化效果比較后，優(yōu)化融合方法得出的結(jié)果清晰度最高， 顏色恢復(fù)也最豐富，與原高分辨率彩色合成圖像最近似。表2給出了大尺度差 優(yōu)化融合結(jié)果圖與小尺度差融合圖像平均值的差值比較列表，以及優(yōu)化融合方 法圖像與原圖差異比較列表，試說明原始信息保留率。其定量分析結(jié)果可看出， 優(yōu)化融合方法所獲得的圖像間對比差異均最小。方法與小尺度差 融合結(jié)果圖比較與原始圖比辟交優(yōu)化融合0. 03190. 0381小波變換0. 04560. 0445主成份分析0. 04400. 0475HIS0. 04390. 0480B麗EY0. 04390. 0471表2高尺度差圖像融合結(jié)果與小尺度差融合圖像的差值比較表采用前述推導(dǎo)出的優(yōu)化融合方法，本發(fā)明設(shè)計出了遙感圖像優(yōu)化融合處理 流程和技術(shù)方案，并開發(fā)出了優(yōu)化融合圖像處理功能模塊，可集成于任何圖像 處理軟件產(chǎn)品中。在具體的實施過程中，遙感圖像優(yōu)化融合方法是逐波段進行處理，即將 多光譜圖像的每一個波段與高分辨率圖像進行優(yōu)化融合，其結(jié)果得到的是提高 空間分辨率后的多個多光譜波段的圖像。首先，將高分辨率全色圖像和多光譜圖像采用圖1的處理流程進行圖像預(yù)處理和高精度配準(zhǔn)，具體的操作過程(1) 首先，將多光譜圖像與高分辨率圖像進行圖像預(yù)處理，如消除噪 聲，輻射校正，幾何校正等，這些均為已成熟的技術(shù)與方法；(2) 然后，將兩幅圖像進行幾何精校正，也有現(xiàn)成的、成熟的方法可借鑒；(3) 其后，對預(yù)處理后的兩種遙感圖像可運用不同的融合方法對多光譜圖 像與高分辨率圖像進行圖像融合，即可采用HSI， PCA, Brovey變換、小波變 換(WLT)或優(yōu)化融合方法。對于小波變換而言，它采用db4小波基函數(shù)進行分 解和重構(gòu)，融合規(guī)則為低頻系數(shù)取自多光譜圖像，高頻系數(shù)取絕對值大者。本方法所實施的圖像優(yōu)化融合處理具體步驟如下① 計算高分辨率圖像的梯度，為優(yōu)化融合提供高空間分辨率的目標(biāo)梯度場。② 輸入拉伸因子，根據(jù)相應(yīng)多光譜波段的對比度以及高分辨率圖像的對比 度情況設(shè)定拉伸因子，均采用常規(guī)方法處理。③ 選擇顏色濾波核及其半徑，根據(jù)空間尺度的變化情況及在一定的混合4象 元假設(shè)基礎(chǔ)上選擇濾波核及其半徑，目的是使目標(biāo)圖像經(jīng)過核函數(shù)濾波后與原 多光譜圖像在光譜維上色調(diào)一致。④ 選擇正則化因子，通過調(diào)整正則化因子的值得到滿足光譜約束和梯度約 束的最好結(jié)果。⑤ 代入迭代方程進行求解，將上述參數(shù)代入迭代方程組，運用迭代方法進 行求解，最終輸出優(yōu)化融合結(jié)果。
權(quán)利要求
1、一種基于梯度場的優(yōu)化融合遙感圖像處理方法，其特征在于包括以下步驟a.利用圖像預(yù)處理器將多光譜圖像h的每個波段均取樣為與高分辨率圖像g相同的地域范圍，進行幾何精確校正處理，并視高分辨率圖像質(zhì)量對其進行對比度增強處理；b.按預(yù)處理后的高分辨率圖像的梯度特征定義融合圖像的梯度約束，使得融合圖像的梯度趨近于高分辨率圖像g，并滿足以下方程c，p，q∈Npfcp-fcq＝gp-gq(1)其中，Np表示融合圖像S上每個像素點p上的四鄰域點或者八鄰域點，而fcp是第c波段在該點的像素值，其中，c∈{1，2，ΛC}，C是光譜段數(shù)目，fcq是第c波段融合圖像在該點的像素值；c.再將經(jīng)梯度約束后的融合圖像按多光譜圖像特征進行光譜約束，以便使融合圖像的光譜信息趨近于多光譜圖像h，并滿足以下方程
2、 根據(jù)權(quán)利要求1所述的基于梯度場的優(yōu)化融合遙感圖像處理方法，其特 征在于步驟e中，調(diào)整"2因子的大小，再采用筒單迭代算法經(jīng)若干次迭代達(dá) 到收斂解，并合成圖像像素值。
3、 根據(jù)權(quán)利要求1所述的基于梯度場的優(yōu)化融合遙感圖像處理方法，其特 征在于步驟a中，利用直方圖均衡化或分段線性拉伸的方法將多光譜圖像與 高分辨率圖像進行對比度增強。
4、 根據(jù)權(quán)利要求l所述的基于梯度場的優(yōu)化融合遙感圖像處理方法，其特 征在于步驟b中，將融合圖像使用c^[1.5,2]的線性因子進行梯度約束，初始值 設(shè)為經(jīng)上采樣后的多光譜圖像。
5、 根據(jù)權(quán)利要求1所述的基于梯度場的優(yōu)化融合遙感圖像處理方法，其特征在于圖像優(yōu)化融合算法的核半徑選擇Kw(p， d)的非零范圍比^)^n的矩陣稍大，其中n為兩圖像高、低分辨率圖像的比例差，使大于1 : 4比例差的圖像融 合處理也能獲得優(yōu)化融合的效果。
6、 根據(jù)權(quán)利要求l所述的基于梯度場的優(yōu)化融合遙感圖像處理方法，其特 征在于步驟a中，該圖像預(yù)處理器還將兩種圖像進行消除噪聲及輻射沖吏正處 理。
全文摘要
本發(fā)明公開了一種基于梯度場的優(yōu)化融合遙感圖像處理方法，包括以下步驟利用圖像預(yù)處理器將多光譜圖像h的每個波段均取樣為與高分辨率圖像g相同的地域范圍；并將多光譜圖像和高分辨率圖像進行幾何精確校正處理；進而，對兩種圖像分別進行對比度處理。然后，將預(yù)處理后的圖像分別定義梯度約束和光譜約束，使得欲融合圖像的梯度趨近于高分辨率圖像g，而融合圖像的顏色信息趨近于多光譜合成圖像h；根據(jù)梯度約束和光譜約束可建立融合圖像求解方程；通過以兩類圖像分辨率的比例差異選擇融合圖像的核半徑，并以調(diào)整α²因子的大小，使算法經(jīng)若干次迭代達(dá)到收斂解，最終，使圖像融合優(yōu)化方程可獲得最優(yōu)解。
文檔編號G06T5/50GK101246594SQ20081002640
公開日2008年8月20日 申請日期2008年2月22日 優(yōu)先權(quán)日2008年2月22日
發(fā)明者巖 李, 溫健婷, 龔海峰 申請人:華南師范大學(xué)