[发明专利]一种自适应变分遥感影像融合方法

说明书

技术领域

本发明属于遥感影像信息处理技术领域，涉及一种自适应变分遥感影像融合方法。

背景技术

当前，很多卫星遥感系统都能够同时获取地面同一场景的全色影像和多光谱影像。全色影像的空间分辨率高但光谱分辨率低，多光谱影像虽然具有多个波段，但空间分辨率往往不能满足应用需求。因此，利用影像融合技术可以充分利用多源影像中互补信息，获取一个高空间分辨率的多光谱影像，具有重要的研究意义和应用价值。

当前的影像融合方法主要分为如下几类：第一类是基于算术运算的方法，利用内插后的多光谱影像与全色影像进行某种算术运算得到融合影像，如相加法、相乘法、Brovey方法等；第二类是基于成分替换的方法，通过对多光谱影像进行某种空间变换，然后利用直方图匹配后的全色影像对某成分进行替换，再进行反变换得到融合影像，其中HIS方法和PCA方法是最为常用的两种方法，另外还有快速光谱函数法、UNB方法、Gram-Schmidt方法等；第三类方法是基于多分辨率分析的方法，把影像转换到不同的分辨率层次，通过多分辨率分析实现融合处理，如Laplacian和小波金字塔分析；第四类方法是基于滤波的方法，如高通滤波融合法是先对全色影像进行高通滤波，然后把滤波后的高频信息叠加在多光谱影像上，提高其空间分辨率；第五类方法是混合分析方法，将光谱混合分解技术引入到了融合框架之中，典型的方法包括线性混合模型和统计混合模型方法。

上述融合方法都可以在一定程度上提高多光谱遥感影像的空间分辨率。然而，由于这些方法缺乏严格的理论框架，在融合处理时没有顾及临近像元之间的相关性，因此处理结果往往不能有效的保持原始的光谱信息。虽然现在已有研究学者提出一些基本模型的变分融合方法，但模型的稳健性不够，而且需要手工选取参数，不仅操作复杂、费时，而且容易错过最优解。因此，为了实现空间信息融入度和光谱信息保真度的同时提高，并能够自适应地处理不同的影像数据，需要研究新的自适应变分融合方法。

发明内容

本发明所要解决的问题是：提出一种自适应变分遥感影像融合方法。该方法利用最大后验估计理论建立变分融合模型，在模型求解过程中，利用概率密度函数的能量值建立函数，对模型中的两组正则化参数进行自适应求解。该融合方法可以提高多光谱影像的同时，有效保护影像原有的光谱信息；方法的另一大优点就是可以对参数进行自适应选取，具有较高的自适应处理程度。

本发明提供的技术方案是一种自适应变分遥感影像融合方法，包括以下步骤：

步骤一、建立多光谱遥感影像的观测模型，该观测模型提供高空间分辨率多光谱影像与低空间分辨率多光谱影像之间的对应关系；

步骤二、利用传感器的光谱响应函数，建立全色遥感影像的观测模型，该观测模型提供高空间分辨率全色影像与高空间分辨率多光谱影像之间的对应关系；

步骤三、利用最大后验概率理论进行贝叶斯推导，使得在给定低分辨率多光谱影像与高分辨率全色影像的前提下，求解高分辨率多光谱影像的后验概率最大；假设y＝[y₁，y₂...y_B]^T为低分辨率多光谱影像，x＝[x₁，x₂...x_B]^T为高分辨率多光谱影像，z为全色影像，其中B为波段总数，推导出由三个概率密度函数构成的贝叶斯推导模型，即其中p(x_b)为第b波段影像x_b的先验分布函数，p(y_b|x_b)为第b波段高分辨率影像x_b存在的情况下低分辨率影像y_b的后验分布函数，p(z|x)为所有波段高分辨率影像x存在的情况下全色影像z的后验分布函数。

步骤四、针对以上由三个概率密度函数构成的贝叶斯推导模型，选取合适的具体概率密度函数模型，并进行对数变换，把最大化问题转换为最小化求解问题，建立变分融合模型；其中，在选取p(z|x)和p(y_b|x_b)时分别基于步骤一、步骤二建立的观测模型，并假定噪声分布为高斯类型，建立相应的概率密度函数模型；p(x_b)选择Huber马尔科夫模型作为相应的概率密度函数模型；最终的变分融合模型由三个概率密度函数模型组成，用两组正则化参数λ_b，1和λ_b，2连接，其中b为波段序号；