[发明专利]基于混合亚像元解混的遥感多光谱与全色图像融合方法

说明书

本发明公开了一种基于混合亚像元解混的遥感多光谱与全色图像融合方法，包括将原始低分辨率多光谱图像MS₀采用cubic方式上采样到原始全色图像PAN的分辨率，得到MS；并基于该MS计算归一化植被指数NDVI；利用PAN和NDVI，对MS中的亚像元进行分类，得到植被‑非植被混合亚像元C_M和其他亚像元C_O；利用PAN和NDVI，判断植被‑非植被混合亚像元的地物类型类别；对于MS中每个亚像元t，根据其对应的亚像元类别和地物类型类别进行融合。本发明的有益效果：通过对多光谱图像中的混合亚像元，在融合过程中进行光谱解混处理，从而降低融合图像中混合像元数量，锐化融合图像边界和降低光谱失真。

技术领域

本发明涉及遥感图像处理技术领域，具体来说，涉及一种基于混合亚像元解混的遥感多光谱与全色图像融合方法。

背景技术

遥感数据融合是将不同传感器数据所提供的信息加以综合，以获得更全面、准确的图像，它能实现优势互补和消除冗余，克服单一传感器在几何、光谱、空间和时间分辨率等方面的局限，从而有利于影像解译、分类和目标识别。随着航天、传感器和通信等技术的发展，遥感数据在空间、光谱、时间分辨率上快速提高。由于传感器物理特性和数据传输能力等的限制，高空间分辨率和高光谱空间分辨率影像难以同时获取。因此，大量目前在轨的卫星(例如Landsat 7ETM+、QuickBird、SPOT-5和WorldView-2/3等)会同时提供高空间分辨率的全色波段(PAN)和低空间分辨率的多光谱波段(MS)。由于大量的应用需要使用高空间分辨率的多光谱图像，近年来国内外研究人员发展了大量遥感融合技术来融合MS和PAN图像以得到高空间分辨率的MS图像。

现有的MS与PAN融合方法可以分为三类：基于成分替代的方法、基于调制的方法和基于多尺度分析的方法。基于成分替代融合的典型代表算法有IHS变换、PCA,Gram-Schmidt等，而基于调制技术的融合算法主要有Brovey变换、Pradines’、合成变化比率(SyntheticVariable Ratio)、Smoothing Filter-based Intensity Modulation、PANSHARP(PS)等。基于成分替代和调制技术的融合算法的特点是快速且易于实现，但其融合结果会导致一定程度的光谱失真。基于多尺度变换的融合方法，有效地保持了多光谱图像的光谱信息。然而这类方法的融合图像可能会出现空间畸变，典型的现象有振铃效应、虚景混淆、边缘以及纹理模糊。为综合成分替代和多分辨率分析等方法分别在空间和光谱信息保留方面的优势，一些研究人员提出了成分替代(PCA、HIS、ICA等)或调制技术与多分辨率分析相结合的融合算法，这类方法能获得优于成分替代和标准多分辨率分析融合的结果，但增加了计算复杂度。有一些研究利用正则化优化的方法对融合结果进行迭代。尽管国内外研究人员提出了大量新的融合方法来降低融合图像光谱失真，如何进一步降低光谱失真仍然是遥感融合研究面临的主要挑战。