基于混合亞像元解混的遙感多光譜與全色圖像融合方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及遙感圖像處理技術(shù)領(lǐng)域，具體來說，涉及一種基于混合亞像元解混的 遙感多光譜與全色圖像融合方法。
【背景技術(shù)】
[0002] 遙感數(shù)據(jù)融合是將不同傳感器數(shù)據(jù)所提供的信息加以綜合，以獲得更全面、準(zhǔn)確 的圖像，它能實現(xiàn)優(yōu)勢互補和消除冗余，克服單一傳感器在幾何、光譜、空間和時間分辨率 等方面的局限，從而有利于影像解譯、分類和目標(biāo)識別。隨著航天、傳感器和通信等技術(shù)的 發(fā)展，遙感數(shù)據(jù)在空間、光譜、時間分辨率上快速提高。由于傳感器物理特性和數(shù)據(jù)傳輸能 力等的限制，高空間分辨率和高光譜空間分辨率影像難以同時獲取。因此，大量目前在軌的 衛(wèi)星（例如Landsat7ETM+、QuickBird、SP0T_5和WorldView-2/3等)會同時提供高空間分 辨率的全色波段（PAN)和低空間分辨率的多光譜波段（MS)。由于大量的應(yīng)用需要使用高空 間分辨率的多光譜圖像，近年來國內(nèi)外研宄人員發(fā)展了大量遙感融合技術(shù)來融合MS和PAN 圖像以得到高空間分辨率的MS圖像。
[0003] 現(xiàn)有的MS與PAN融合方法可以分為三類：基于成分替代的方法、基于調(diào)制的 方法和基于多尺度分析的方法?；诔煞痔娲诤系牡湫痛硭惴ㄓ蠭HS變換、PCA， Gram-Schmidt等，而基于調(diào)制技術(shù)的融合算法主要有Brovey變換、Pradines'、合成變化 比率（SyntheticVariableRatio)、SmoothingFilter-basedIntensityModulation、 PANSHARP(PS)等?；诔煞痔娲驼{(diào)制技術(shù)的融合算法的特點是快速且易于實現(xiàn)，但其 融合結(jié)果會導(dǎo)致一定程度的光譜失真。基于多尺度變換的融合方法，有效地保持了多光譜 圖像的光譜信息。然而這類方法的融合圖像可能會出現(xiàn)空間畸變，典型的現(xiàn)象有振鈴效應(yīng)、 虛景混淆、邊緣以及紋理模糊。為綜合成分替代和多分辨率分析等方法分別在空間和光譜 信息保留方面的優(yōu)勢，一些研宄人員提出了成分替代（PCA、HIS、ICA等）或調(diào)制技術(shù)與多分 辨率分析相結(jié)合的融合算法，這類方法能獲得優(yōu)于成分替代和標(biāo)準(zhǔn)多分辨率分析融合的結(jié) 果，但增加了計算復(fù)雜度。有一些研宄利用正則化優(yōu)化的方法對融合結(jié)果進行迭代。盡管 國內(nèi)外研宄人員提出了大量新的融合方法來降低融合圖像光譜失真，如何進一步降低光譜 失真仍然是遙感融合研宄面臨的主要挑戰(zhàn)。
[0004] 由于MS和PAN圖像空間分辨率的差異，低分辨率MS圖像的一個混合像元在重采 樣到PAN分辨率的MS圖像中對應(yīng)多個亞像元。這些亞像元中部分像元對應(yīng)PAN圖像中的 純像元，另一部分則對應(yīng)PAN圖像中的邊界像元。在現(xiàn)有融合方法中，對應(yīng)PAN純像元的MS 混合亞像元在融合圖像中仍然為混合像元，這使得融合圖像中植被和非植被像元的邊界模 糊，存在較大的光譜失真。因此，為了改善融合圖像質(zhì)量，需要在融合過程中將MS混合亞像 元解混到對應(yīng)PAN純像元的地物類別。然而，現(xiàn)有融合方法鮮有考慮混合亞像元的解混。在 少量考慮了混合亞像元解混的融合方法中，主要使用面對對象分類的方法來獲取地物類別 信息。但面向?qū)ο蠓诸愒趨?shù)設(shè)置、樣本訓(xùn)練等方面的復(fù)雜性限制了這些方法的實際應(yīng)用。
[0005] 針對相關(guān)技術(shù)中的問題，目前尚未提出有效的解決方案。

【發(fā)明內(nèi)容】

[0006] 針對相關(guān)技術(shù)中的上述技術(shù)問題，本發(fā)明提出一種基于混合亞像元解混的遙感多 光譜與全色圖像融合方法，該方法對MS圖像中的混合亞像元（即對應(yīng)PAN純像元的混合MS 像元的亞像元)，在融合過程中進行光譜解混處理，從而降低融合圖像中混合像元數(shù)量，銳 化融合圖像邊界和降低光譜失真。
[0007] 本發(fā)明的技術(shù)方案是這樣實現(xiàn)的： 一種基于混合亞像元解混的遙感多光譜與全色圖像融合方法，包括以下步驟： 將原始低分辨率多光譜圖像（#&)采用cubic方式上采樣到原始全色圖像韻分辨 率，得到并基于該#5計算歸一化植被指數(shù)MWJ; 利用/"崩和柳KJ，對#5中的亞像元進行分類，得到植被-非植被混合亞像元和其他 亞像元 利用產(chǎn)崩和柳KJ，判斷植被-非植被混合亞像元的地物類型類別，其中，所述地物類型 類別包括植被類、或非植被類； 對于#5中每個亞像元（，根據(jù)其對應(yīng)的亞像元類別和地物類型類別進行融合。
[0008] 此外，上述的基于混合亞像元解混的遙感多光譜與全色圖像融合方法還包括：將 采用平均法下采樣到R倍空間分辨率，再采用立方卷積cubic方式上采用到原始分辨 率，得到產(chǎn)騎;其中，R為與烈崩空間分辨比率。
[0009] 另外，在利用/"崩和柳KJ，對#5中的亞像元進行分類，得到植被-非植被混合亞像 元0卩其他亞像元印寸，可利用邊緣檢測Canny算子分別計算和AZU的邊界石胃 萬胃/;并利用直徑為的圓盤結(jié)構(gòu)元素，對萬胃/進行形態(tài)學(xué)膨脹得到寬的邊界圖像 ，胃/ ;同時將在各《中值為1但在中值為〇的像元設(shè)置為〇,得到PAN邊界圖像 再采用直徑為的圓盤結(jié)構(gòu)元素對進行形態(tài)學(xué)膨脹得到寬的/邊界圖像，利 用^^^和對#5中的亞像元進行分類，得到植被-非植被混合亞像元0卩其他亞像元 C。。
[0010] 此外，在利用，和，對MS中的亞像元進行分類，得到植被-非植被混合亞 像元^卩其他亞像元印寸，可利用中的亞像元分為兩類，得到亞像元分 類圖，并根據(jù)亞像元分類圖，得到植被-非植被混合亞像元^卩其他亞像元Q其中，亞像 元分類圖戽:的分類規(guī)則如下：
其中，如果亞像元（在#^中對應(yīng)值為1，則被分為植被-非植被混合亞像元'如果t#中對應(yīng)值為0,則被分為其它亞像元類G。
[0011] 另外，在利用烈辦卩M^KJ，判斷植被-非植被混合亞像元的地物類型類別時，可根 據(jù)PAN邊界圖像iT_，計算植被邊界像元圖像&和非植被像元圖像并利用直徑為 3的圓盤結(jié)構(gòu)元素，對&進行形態(tài)學(xué)膨脹，得到膨脹后的植被邊界像元圖像馬，并將馬中 值為1且在^r中值為1的像元設(shè)置為〇,并重復(fù)該步驟R-1次，使得馬中值為1的像元 均為植被像元；同時利用直徑為3的圓盤結(jié)構(gòu)元素，對.^進行形態(tài)學(xué)膨脹，得到JV，并將iV中值為1且在中值為1的像元設(shè)置為〇,并重復(fù)該步驟R-1次，使得1中值為1的 像元均為非植被像元；而對于1和&中每個值為1的像元（，分別在以（為中心、大小 為的領(lǐng)域窗口W((，匁內(nèi)計算所有值為1的像元的值，并根據(jù)該值，采用 以下公式，分別得到圖像垃和f;
并對于mpi中每個屬于混合亞像元類的像元（，根據(jù)和rf，采用以下公 式判斷其屬于植被G或非植被Cl類別，得到混合亞像元分類圖
[0012] 此外，在根據(jù)PAN邊界圖像iT_計算植被邊界像元圖像^和非植被像元圖像 4時，可對于每個亞像元（，在其8鄰域內(nèi)查找與其在PAN圖像中灰度差異最大的鄰居 像元廣得到像元對f};其中，如果則」Cr⑵=1，且( f) =0 ;如果⑵<M?KJ(f)，則拉觀⑵=〇, 且C( (，）=1。
[0013] 另外，在對于#5中每個亞像元（，根據(jù)其對應(yīng)的亞像元類別和地物類型類別進行 融合時，可采用暗像元法計算#5和圖像的霧氣值貧和盡，其中，i等于1，……N，N 為#5圖像的波段數(shù)量；并判斷亞像元（是否屬于其它亞像元類&并在判斷結(jié)果為是的情 況下，利用該像元的原始光譜，采用以下公式進行融合
，其中，藤天為#5的第i波段，MSf為融合圖像MS/的第i波段；同時判斷亞像元緹否屬于 植被-非植被混合亞像元心并在判斷結(jié)果為是的情況下，利用其鄰域內(nèi)的純植被或純非植 被像元的光譜，采用以下公式進行融合：
其中，鄰域內(nèi)的純植被或純非植被像元/?在以（為中心、大小為&X5^勺窗口W( (， 內(nèi)根據(jù)以下公式查找：
其中，5^]值小于等于
[0014] 其中，在采用暗像元法計算#5和產(chǎn)必圖像的霧氣值貧和盡時，可確定/中 最小值對應(yīng)的位置IDXmin，并利用該IDXmin和以下公式計算盡和華M5辦 Hp = 0
[0015] 本發(fā)明的有益效果：通過對植被-非植被混合亞像元進行識別并判斷其屬于植被 或非植被類型，在融合過程中根據(jù)其類型將其解混為植被或非植被像元，從而降低融合圖 像中混合亞像元的數(shù)量，能有效銳化植被-非植被邊界和顯著降低光譜失真。
【附圖說明】
[0016] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例中所 需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施 例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲 得其他的附圖。
[0017] 圖1是根據(jù)本發(fā)明實施例的基于混合亞像元解混的遙感多光譜與全色圖像融合 方法的流程示意圖； 圖2是根據(jù)本發(fā)明實施例的基于混合亞像元解混的遙感多光譜與全色圖像融合方法 中MS亞像元分類流程圖。
【具體實施方式】
[0018]下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；?本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員所獲得的所有其他實施例，都屬于本發(fā)明保護的 范圍。
[0019] 根據(jù)本發(fā)明的實施例，提供了一種基于混合亞像元解混的遙感多光譜與全色圖像 融合方法。
[0020] 如圖1-2所示，根據(jù)本發(fā)明實施例的基于混合亞像元解混的遙感多光譜與全色圖 像融合方法包括以下步驟： 一、將原始低分辨率MS圖像（#&)采用cubic(立方卷積)方式上采樣到原始PAN圖像 (烈奶的分辨率，得到將/采用平均法下采樣到R倍空間分辨率，然后再采用cubic 方法上采樣到原始分辨率，得到烈<，其中，R為與韻空間分辨比率，基于#5圖像 計算歸一化植被指數(shù)（人
[0021] 二、將#5亞像元分類為植被-非植被邊界及其附近混合亞像元和其它亞像元兩 類。具體實施步驟如下： 步驟1 :利用Canny(邊緣檢測）算子分別計算產(chǎn)崩和的邊界知，萬胃7，閾值分 別設(shè)置為通常&/』、于&。在^^卩萬胃/中，邊界像元和非邊界像元的值分別 為 1 (True)和 0 (False); 步驟2 :利用直徑為&的圓盤結(jié)構(gòu)元素對iW進行形態(tài)學(xué)膨脹得到，胃,，將在中 為1但在中為0的像元設(shè)置為0得到產(chǎn)崩邊界圖像中值為1的像元主要 包含植被和非植被邊界像元，以及少量非植被-非植被邊界像元。利用將中值 為1的非植被-非植被邊界像元的值設(shè)置為0。最