基于光譜重構的三步高光譜圖像融合方法
【專利摘要】基于光譜重構的三步高光譜圖像融合方法，即通過波段選擇、光譜重構的處理方法對主成分分析圖像融合進行完善，得到更好的融合效果。該方法如下：1）通過人機交互接口模塊獲得待融合的高光譜圖像數據和高空間分辨率圖像數據，并初始化相關參數；2）通過高光譜圖像波段選擇模塊，設計波段選擇矩陣，對初始高光譜圖像進行波段選擇；3）通過高光譜圖像-高空間分辨率圖像融合模塊，對輸入的圖像進行主成分分析融合；4）通過光譜重構模塊，對初始融合圖像進行高精度光譜重構；5）通過融合結果輸出模塊，輸出最終的融合結果。本發明的優點在于減少融合數據量，降低光譜畸變，提升光譜保持性，增強圖像質量，該方法融合質量好，使用范圍廣。
【專利說明】基于光譜重構的三步高光譜圖像融合方法
【技術領域】
[0001]本發明涉及一種基于光譜重構的三步高光譜圖像融合方法，適用于高光譜圖像處理系統，屬于高光譜遙感圖像處理領域。
【背景技術】
[0002]隨著20世紀80年代初期成像光譜概念的出現，光學遙感進入了 一個嶄新的階
段-高光譜遙感(Hyperspectral Remote Sensing)階段。高光譜遙感指集探測器技術、
精密光學機械、微弱信號檢測、計算機技術、信息處理技術于一體的，能夠獲取具有高的光譜分辨率圖像的遙感科學和技術，是當前模式識別及遙感信息處理研究領域中的一個研究執占。
[0003]與常規遙感圖像相比，高光譜遙感圖像具有“圖譜合一”的突出特點，既能表達空間信息，又能表達光譜信息，以三維數據立方體的形式呈現。在遙感應用中，有時會要求圖像同時具有高的空間分辨率和高的光譜分辨率。然而，由于當前技術條件的限制，現有高光譜成像儀器很難提供這樣的數據。高光譜圖像擁有較高的光譜分辨率，可達10nm，甚至更高，但其空間分辨率較低，即空間的細節表現能力較差；而普通遙感圖像(如全色圖像等)具有相對較高的空間分辨率，但不能表達光譜信息。因此，將高光譜遙感圖像和對應的具有高的空間分辨率的遙感圖像進行融合，可優化圖像質量，得到新的高光譜圖像，既具有較高的空間細節表現能力，同時又保留圖像的光譜特性。
[0004]目前很多傳統多源遙感數據融合方法只適用于普通遙感圖像間的融合以及多光譜圖像與全色數據的融合，由于高光譜圖像的巨大數據量，使得傳統融合方法效率低、難適用。在圖像融合領域，使用多源遙感數據進行融合的方法主要包括直接加權法、主成分分析(Principal Component Analysis, PCA)法、高通濾波(High-Pass Filter, HPF)算法和小波變換(Wavelet Translation, WT)法等。盡管前三種方法提高了高光譜數據各波段圖像的空間分辨率，但融合后的圖像光譜失真嚴重，容易增加噪聲，甚至影響視覺效果；而小波變換法保持了原始光譜特性，但空間分辨率效果較差。因此有必要采用新的方式解決高光譜圖像融合問題。
[0005]PCA是一種統計相關分析技術，在多數實際問題中，由于指標較多及指標間有一定的相關性，勢必增加分析問題的復雜性，PCA就是設法將原有指標重新組合成一組新的相互無關的幾個綜合指標來代替原來指標，是研究如何通過少數幾個主成分來解釋多變量的協方差結構的一種方法。PCA變換后的新子空間中，圖像間的相關性基本消除，其中的第一主分量包含了絕大部分的信息。
[0006]壓縮感知是當前信號重構研究的熱門理論，該理論指出，在一定條件下，可用少量壓縮信號高精度重構原始信號，由此衍生了一系列信號重構方法，如正交匹配追蹤(Orthogonal Matching Pursuit, OMP)算法等,利用最小二乘求解的貪婪方法快速求解原始信號。
[0007]本發明將壓縮感知波段重構技術引入融合過程進行圖像優化，首先對高光譜圖像進行波段選擇，再進行高光譜圖像與高空間分辨率圖像的PCA融合，最后再對其進行波段維的重構過程，得到同時包含高空間分辨率空間信息和光譜信息的圖像，形成一套新的高光譜圖像融合方法體系。
【發明內容】
[0008]本發明的目的在于提供一種基于光譜重構的三步高光譜圖像融合方法，發明了一種運用壓縮感知光譜重構技術進行波段選擇，從而以少量數據進行快速、精確融合，最終再高質量重構光譜維信息的多源圖像融合方法。本方法既提高融合過程的效率，又增強了高光譜圖像融合的光譜保持性，融合圖像性能好，使用范圍廣。
[0009]本發明所涉及的方法流程包括以下步驟:(1)獲得待融合的高光譜圖像和高空間分辨率圖像數據，初始化相關參數；(2)利用波段選擇矩陣對高光譜圖像進行波段選擇，以減少融合數據量；(3)計算高光譜圖像的主成分，并用高空間分辨率圖像與其進行PCA融合；(4)通過壓縮感知光譜重構方法進行光譜的高精度重構；(5)輸出最終的高光譜圖像融合結果。
[0010]下面對該方法流程各步驟進行詳細說明:
[0011](1)獲得待融合的高光譜圖像和高空間分辨率圖像數據，初始化相關參數:待融合數據為波段數為n的高光譜圖像X= (X1, X2,, Xn)T和高空間分辨率圖像X，Xi (i=l, 2，…，n)表示第i波段的圖像，設置合適的波段采樣比r。
[0012](2)利用波段選擇矩陣對高光譜圖像進行波段選擇:按照合理的方式和采樣比對高光譜圖像進行波段選擇，通常選擇等間隔波段選擇，采樣比為大于I的正整數，即r=n/m=2, 3，…，其中m為選擇后的高光譜圖像波段數，通過波段選擇矩陣O對高光譜圖像進行波段選擇，即得到s=Ox。
[0013](3)計算高光譜圖像的主成分，并用高空間分辨率圖像與其進行PCA融合:對采樣后的高光譜圖像s進行PCA變換，得到第一主成分PC;，將X與PC;作直方圖匹配得到PCnew,用PCnew代替/5C1 ):與其余主成分一起做PCA逆變換，得到初始融合圖像S。
[0014](4)通過壓縮感知光譜重構方法進行光譜的高精度重構:
[0015]
【權利要求】
1.基于光譜重構的三步高光譜圖像融合方法，其特征在于:通過波段選擇和重構提高融合過程的效率，并增強光譜保持性、穩定性，具有人機交互接口模塊、高光譜圖像波段選擇模塊、高光譜圖像-高空間分辨率圖像融合模塊、光譜重構模塊、融合結果輸出模塊這五個功能模塊。包括如下步驟: (1)獲得待融合的高光譜圖像數據和高空間分辨率圖像數據，初始化相關參數:假設X為待融合的高空間分辨率圖像，X= (X1, X2, , xn)T為待融合的低空間分辨率的高光譜圖像，其中n是高光譜數據的波段總數，Xi, i=l,…，n代表第i波段的圖像響應數值，完成初始參數設置步驟； (2)設置合適的采樣比r，根據設置的采樣比和起始波段設計得到波段選擇矩陣O的表達，通過計算式S=Ox獲得降維后的高光譜圖像S，完成波段選擇步驟； (3)利用降維的高光譜圖像s與空間分辨率較高的遙感圖像X進行PCA融合:對采樣后的高光譜圖像s進行PCA變換，得到第一主成分，將高空間分辨率圖像X與PC: ?作直方圖匹配得到PCnew,用PCnew代替尸C1后與其余主成分一起做PCA逆變換，得到初始融合圖像S ； (4)基于壓縮感知光譜重構方法對圖像S進行重構，根據初始參數設計正交的稀疏變換基屯，通過S=OX’=O Wy求解圖像的稀疏表示y，并經過正交反變換得到重構圖像
【文檔編號】G06T5/50GK103714572SQ201310656056
【公開日】2014年4月9日 申請日期:2013年12月6日 優先權日:2013年12月6日
【發明者】尹繼豪, 孫建穎, 姜志國, 余萬科, 朱紅梅 申請人:北京航空航天大學