[发明专利]基于子字典稀疏重构的全色与多光谱遥感图像融合方法

说明书

本发明公开了一种基于子字典稀疏重构的全色与多光谱遥感图像融合方法，通过将高空间分辨率多光谱字典看成是由各个波段的高空间分辨率光谱字典的合并组成，再分别通过各个波段的光谱图像和全色图像构建各个波段的子字典，使其即包含光谱信息又包含空间信息，从而解决因缺乏高空间分辨率的多光谱数据其字典较难构建的问题；并基于稀疏重构模型给出完整的融合方法。与现有同类方法相比，本发明不需要引入其它多组全色与多光谱图像或其它模拟高空间分辨率的多光谱图像，而是直接采用源图像构建，提高了方法的实际应用性能与字典的自适应性，使得融合图像在保持光谱信息的同时融入更多的空间细节信息，融合效果更好。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于子字典稀疏重构的全色与多光谱遥感图像融合方法。

背景技术

基于重构的方法是近年来兴起的一种新的全色与多光谱遥感图像融合方法。此类方法基本思路是将全色与多光谱遥感图像看作是其对应的高空间分辨率多光谱图像的退化，再对其进行建模并通过正则项约束解空间，从而将图像融合的过程转变成逆问题的求解过程。

Li和Yang^[1]首次利用图像稀疏表示的先验知识，提出基于压缩传感理论的全色与多光谱图像融合方法，将全色与多光谱图像融合问题转化成具有线性约束的信号恢复恢复问题，其信号的恢复与求解是建立在信号稀疏表示的基础上的，因此，字典的构造直接影响信号恢复的效果。Li和Yang在构造字典时，从其他已知的高空间分辨率的多光谱图像中随机采样，构造出具有高空间分辨率的多光谱图像字典。并且在对模拟的全色与多光谱图像融合中获得了较前两类方法更优的融合效果。

然而，在实际应用中，高空间分辨率(米级或亚米级)的多光谱图像本身正是期望得到的融合结果图像，不易获得。针对此问题，Jiang等人^[2]提出将其它多组全色和多光谱图像构成样本对，并用K-SVD对每对样本训练字典，在把所有字典以对角线方式排列进行级联，构成最终字典。这种方法需要其他多对全色和多光谱图像对，并且最终构成的对角级联字典将达到1280×20000维，计算量巨大。Cheng等人^[3]提出了一种两步字典学习方法，直接从源多光谱与全色图像自身出发训练字典，首先用AWLP方法进行粗融合，再把粗融合的结果做为训练样本，用线性约束的K-SVD方法训练字典。这种方法较前几种方法更为实用，但是粗融合的结果不可避免的将影响训练字典的性能，使得字典中的原子不能有效表示融合图像，最终会影响融合结果。

本方案中涉及的参考文献：

[1]S.Li,B.Yang.A New Pan-sharpening Method using a Compressed SensingTechnique[J].IEEE Transactions on Geoscience and Remote Sensing,2011,49(2):738–746.

[2]C.Jiang,H.Y.Zhang,H.F.Shen,et al.A Practical Compressed Sensing-based Pan-sharpening Method[J].IEEE Geoscience and Remote Sensing Letters,2012,9(4):629-633.

[3]M.Cheng,C.Wang,J.Li.Sparse Representation Based PansharpeningUsing Trained Dictionary[J].IEEE Geoscience and Remote Sensing Letters,2014,11(1):293-297.