[发明专利]一种面向水质定量遥感应用的遥感影像融合方法有效
申请号: | 201310629667.3 | 申请日: | 2013-11-29 |
公开(公告)号: | CN103679675B | 公开(公告)日: | 2017-01-11 |
发明(设计)人: | 姚尧;邹同元;吴俊;王玮哲;王文亮 | 申请(专利权)人: | 航天恒星科技有限公司 |
主分类号: | G06T5/50 | 分类号: | G06T5/50;G06T7/00 |
代理公司: | 中国航天科技专利中心11009 | 代理人: | 安丽 |
地址: | 100086 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 面向 水质 定量 遥感 应用 影像 融合 方法 | ||
1.一种面向水质定量遥感应用遥感影像融合方法,其特征在于包含以下步骤:
(1)基于高分全色影像I1的地理信息,对高光谱/多光谱遥感影像I2进行配准和重采样,并对两幅影像的地理位置重叠区域进行裁剪,得到具有同一地理区域且相同大小的高分全色影像I1和高光谱/多光谱影像I2,两幅影像分辨率一致,都为高分全色影像的分辨率;所述高分影像为高空间分辨率遥感影像,高光谱影像为影像波段数一般多于100个的遥感影像,多光谱影像为影像波段数一般多于3个少于100个的遥感影像;
(2)计算高光谱/多光谱影像I2的波段相关矩阵和矩阵的特征向量,进行主成分分析,得到主成分分量影像IPCA;
(3)将高分全色影像I1和主成分影像IPCA的第一波段影像进行直方图匹配,并用直方图匹配的结果I′1替换IPCA的第一主成分,即替换掉IPCA的第一波段为I′1,得到替换后的主成分结果;
(4)将替换后的主成分结果进行主成分分析逆变换,得到保持高光谱/多光谱影像光谱信息和全色影像空间信息的初步融合影像IM;
(5)将初步融合影像IM进行均值漂移聚类,提取初步融合影像IM的边缘影像Iedge,边缘影像为二值影像,其中边缘像素标记为1,非边缘像素标记为0;
(6)针对获取的边缘影像Iedge中可能存在的边缘轮廓不完全闭合的情况,采用3×3的圆形结构元素对地物边缘影像Iedge进行闭运算处理,得到边缘完全闭合的闭合边缘影像
(7)在闭合边缘影像内逐一对每一个非边缘像素进行不同的标记N,N为取值大于等于1的整数,将这些像素作为种子点进行区域生长,在区域生长中已被其他像素区域生长过的像素不作为种子点;全图遍历完成后,每一个闭合边缘内部都被唯一标记给标识,不同闭合边缘内部像素的标识不同,边缘像素标识为0,得到标识影像g;
(8)基于标识影像g对初步融合影像IM进行分水岭分割,得到同质影像对象;针对同质影像对象细碎的情况,计算影像对象及其邻接影像对象的光谱异质性指数和形状异质性指数,作为衡量影像对象性质相似程度,对细碎影像对象性质相似的进行反复迭代合并,当无法再合并时,此时同质影像对象合并得到具有明确地理意义的地物影像对象;
(9)对影像对象合并后的影像计算合并后影像对象的光谱特征、形状特征和纹理特征,基于人工解译信息训练粗判定贝叶斯分类器,并保存训练结果,相同类型影像只需要训练一次,对水体对象和非水体对象进行粗判定,得到判定后的水体对象和非水体对象的影像光谱特征;(粗判定贝叶斯分类器指判定对象为影像对象的贝叶斯分类器,影像对象包括水体对象和非水体对象等)
(10)对判定的水体对象和非水体对象的光谱特征作为训练对象,训练精分类贝叶斯分类器,对水体对象中每个像素进行精判定,并输出水域影像Iwater;所述精分类贝叶斯分类器指分类对象为影像像素的贝叶斯分类器,即此分类器对每个像素进行分类;
(11)输入高光谱/多光谱影像每个波段宽度和全色影像波段宽度,计算水域影像每个像素的能量值,对水域影像Iwater的水体像素进行像素级的SSVR融合,保证水域像素的光谱特性,形成水域融合影像Im-water;SSVR为Simplified Synthetic Variable Ratio的缩写,即简易合成变量比;
(12)基于初步融合影像IM和水域融合影像Im-water进行镶嵌处理,得到最终的融合影像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于航天恒星科技有限公司,未经航天恒星科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201310629667.3/1.html,转载请声明来源钻瓜专利网。