买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京理工大学

摘要：本发明公开的一种基于引导滤波与稀疏表示的遥感影像融合方法，属于遥感图像处理技术领域。本发明实现方法为：对多光谱影像进行非线性HSV变换降低图像混叠，减小计算量；使用引导滤波的手段，对全色影像和多光谱影像的细节信息进行多次的提取，得到有效提取结构特征信息的细节影像；通过稀疏表示对全色影像和多光谱影像的低频信息进行融合，充分利用图像低频信息的能量；根据提取的高频分量结构特征信息和低频分量信息，融合得到新的亮度图像V'，即基于引导滤波与稀疏表示实现遥感影像融合，显著提高多光谱影像的分辨率；并对亮度图像V'进行HSV空间逆变换，实现多光谱影像的超分辨成像。本发明利用全色影像直接重构低频字典，减少了由于缺少理想影像训练字典带来的结果的不确定性。

主权项：1.一种基于引导滤波与稀疏表示的遥感影像融合方法，其特征在于：包括如下步骤，步骤一、对多光谱影像进行图像插值操作，使其扩大到与全色影像相同的尺度；步骤二、对多光谱影像进行非线性HSV变换，得到非线性HSV变换后的亮度影像；步骤三、对步骤二多光谱影像提取的V分量和全色影像间进行直方图匹配；步骤三实现方法为，根据公式4对步骤二多光谱影像提取的V分量和全色影像间进行直方图匹配，减少多光谱影像和全色影像由于传感器光谱响应函数不一致而导致融合结果产生的光谱失真； 其中PAN是全色影像，μPAN和σPAN是全色影像的均值和方差，μV和σV是亮度分量的均值和方差，P是直方图匹配后的全色影像；步骤四、利用引导滤波的结构转移特性，以全色影像为引导图像，对多光谱影像的亮度分量做引导滤波，去除多光谱影像在HSV变换阶段产生的噪声；步骤四实现方法为，对步骤二非线性HSV变换后的多光谱影像，利用引导滤波的结构转移特性，以步骤三经直方图匹配后的全色影像为引导图像，根据公式567对多光谱影像的亮度分量做引导滤波，去除多光谱影像在HSV变换阶段产生的噪声；q1＝a1I+b15 其中p为输入图像，I为引导图像，ε1是正则化参数，q为输出图像，a1和b1为5式的超参；步骤五、利用引导滤波的保边平滑特性，使用引导滤波的手段提取全色影像与多光谱影像亮度分量V的边缘细节信息，并对全色影像与多光谱影像亮度分量V的边缘细节信息进行融合，且提取过程不依赖于滑块窗口的大小，提高提取速度；步骤五实现方法为，对步骤二非线性HSV变换后的多光谱影像以及步骤三经直方图匹配后的全色影像，利用引导滤波的保边平滑特性，根据公式8910所示的引导滤波公式提取全色影像与多光谱影像亮度分量V的边缘细节信息，并对全色影像与多光谱影像亮度分量V的边缘细节信息进行融合，且提取过程不依赖于滑块窗口的大小，提高提取速度；q2＝a2p+b28 其中p为输入图像，ε2是正则化参数，q为输出图像，a2和b2为8式的超参数；步骤六、针对多光谱影像亮度分量及全色影像引导滤波后的高频分量，重复迭代步骤四，对全色影像和多光谱影像的细节信息进行多次的提取，直至实现对全色影像的高频分量结构特征信息的有效提取；步骤七、针对多光谱影像亮度分量及全色影像引导滤波后的低频分量，通过稀疏表示对全色影像和多光谱影像的低频信息进行融合，充分利用图像低频信息的能量，实现对全色影像及多光谱影像低频分量信息的有效提取；步骤七所述稀疏表示实现方法如下：获取低频信息训练影像，将图像转变为特征矩阵，通过字典学习算法求解字典，求解全色影像和亮度分量在字典下的稀疏系数，根据稀疏系数融合并重构出低频分量；步骤6.1、选择若干幅包含地铁沿线地物信息的全色影像作为训练影像，将其进行低通滤波并降采样至多光谱影像大小，以获得其相对应的低分辨训练影像；为了使融合前后的维度相同，将降采样至多光谱影像大小的低分辨率训练影像升采样至全色影像大小以获得高分辨的低频信息训练影像；步骤6.2、使用滑动窗口将步骤6.1获得的低频信息的影像划分为大小的影像块，并将影像块变为n×1大小的列向量，将所得到的这些列向量组成特征矩阵；步骤6.3、利用公式11通过字典学习算法求解字典； 其中β＝α1,α2,...,αm是影像的稀疏系数，DL为训练得到的低分辨率字典，XL为步骤6.2获得的影像矩阵，T为稀疏系数的稀疏度即稀疏系数中的非零值的个数；选用K-SVD算法学习字典；步骤6.3具体实现方法如下：6.3.1、字典初始化：从步骤6.2获得的特征矩阵中随机选取K个列向量作为初始字典的原子；6.3.2、稀疏编码：利用公式12进行稀疏编码，获得稀疏系数；x＝Dα12其中D表示从6.3.1获得的字典，x是图像的特征矩阵；6.3.3、字典更新：利用OMP算法逐列更新字典D并重复步骤2，同时利用式13计算误差矩阵，当收敛到指定误差时，停止更新，获得具有能表征低频分量信息的字典D； 其中Ek表示误差矩阵，dj表示字典Dd1,d2....dk的第j列原子；步骤6.4、针对多光谱影像亮度分量及全色影像引导滤波后的低频分量，利用步骤6.2转换为特征矩阵，求解14式获得多光谱影像亮度分量及全色影像的稀疏系数， 其中DL是步骤6.3获得的低分辨字典，ε是容许误差，yLF是图像的特征矩阵，α是待求解的稀疏系数；步骤6.5、根据式15所示的采用稀疏系数绝对值取最大的融合规则对步骤6.4获得的多光谱影像亮度分量及全色影像的稀疏系数进行重构得到新的稀疏系数；并根据式12重构出新的特征矩阵，以实现通过稀疏表示对全色影像和多光谱影像的低频信息进行融合，充分利用多光谱影像和全色影像的低频特征信息，实现对全色影像及多光谱影像低频分量信息的有效提取；α＝maxα1,α215其中α1和α2表示利用步骤6.4获得的全色影像和多光谱影像亮度分量在字典DL下获得的稀疏系数步骤八：根据步骤六提取的高频分量结构特征信息和步骤七提取的低频分量信息，融合得到新的亮度图像V'，即基于引导滤波与稀疏表示实现遥感影像融合，显著提高多光谱影像的分辨率；并对亮度图像V'进行HSV空间逆变换，实现多光谱影像的超分辨成像。

全文数据：

权利要求：

百度查询： 北京理工大学 基于引导滤波与稀疏表示的遥感影像融合方法