[发明专利]基于自适应高斯滤波的全色多光谱影像融合方法及系统

权利要求书

1.一种基于自适应高斯滤波的全色多光谱影像融合方法，其特征在于包括以下步骤：

步骤1，全色影像下采样，包括将全色影像下采样至与原始多光谱影像一样大小；

步骤2，统计下采样全色影像和原始多光谱影像各波段的均值与平均梯度，并以下采样全色影像的平均值作为标准，调整多光谱各波段的均值与平均梯度数值；

步骤3，设置不同的高斯算子参数σ，对下采样全色影像进行高斯滤波；计算在经过不同高斯滤波后，下采样全色影像的平均梯度，拟合得到σ与平均梯度的关系，并以步骤2调整后的多光谱平均梯度数值作为目标值，计算最优σ；

步骤4，依据步骤3所得最优σ对下采样全色影像进行高斯滤波；

步骤5，将滤波后的下采样全色影像及原始多光谱影像进行上采样，采样至与原始全色影像一样大小，得到模拟全色影像和上采样多光谱影像；

步骤6，依据步骤5所得结果和SFIM模型进行全色多光谱融合，所述SFIM模型为基于平滑滤波的亮度调解模型。

2.根据权利要求1所述基于自适应高斯滤波的全色多光谱影像融合方法，其特征在于：步骤2中，图像平均梯度定义为AG，均值调整系数μ定义为，

其中，是下采样全色影像的均值，是多光谱影像第i波段的均值，以为标准，将多光谱影像的平均梯度调整为AG_m＝μAG。

3.根据权利要求2所述基于自适应高斯滤波的全色多光谱影像融合方法，其特征在于：设置不同的高斯算子参数σ，对下采样全色影像进行高斯滤波，统计相应的平均梯度后，以这组数据为标准，以最小二乘法拟合出一个二次多项式函数AG＝aσ²+bσ+c；将均值调整后的多光谱平均梯度AG_m代入拟合所得函数，计算得到最优σ。

4.根据权利要求3所述基于自适应高斯滤波的全色多光谱影像融合方法，其特征在于：SFIM模型表示如下，

其中，Fusion是融合影像，MS是上采样多光谱影像，Pan是原始全色影像，Pan'是处理后的模拟全色影像。

5.一种基于自适应高斯滤波的全色多光谱影像融合系统，其特征在于包括以下模块：

第一模块，用于全色影像下采样，包括将全色影像下采样至与原始多光谱影像一样大小；

第二模块，用于统计下采样全色影像和原始多光谱影像各波段的均值与平均梯度，并以下采样全色影像的平均值作为标准，调整多光谱各波段的均值与平均梯度数值；

第三模块，用于设置不同的高斯算子参数σ，对下采样全色影像进行高斯滤波；计算在经过不同高斯滤波后，下采样全色影像的平均梯度，拟合得到σ与平均梯度的关系，并以第二模块调整后的多光谱平均梯度数值作为目标值，计算最优σ；

第四模块，用于依据第三模块所得最优σ对下采样全色影像进行高斯滤波；

第五模块，用于将滤波后的下采样全色影像及原始多光谱影像进行上采样，采样至与原始全色影像一样大小，得到模拟全色影像和上采样多光谱影像；

第六模块，用于依据第五模块所得结果和SFIM模型进行全色多光谱融合，所述SFIM模型为基于平滑滤波的亮度调解模型。

6.根据权利要求5所述基于自适应高斯滤波的全色多光谱影像融合系统，其特征在于：第二模块中，图像平均梯度定义为AG，均值调整系数μ定义为，

其中，是下采样全色影像的均值，是多光谱影像第i波段的均值，以为标准，将多光谱影像的平均梯度调整为AG_m＝μAG。

7.根据权利要求6所述基于自适应高斯滤波的全色多光谱影像融合系统，其特征在于：设置不同的高斯算子参数σ，对下采样全色影像进行高斯滤波，统计相应的平均梯度后，以这组数据为标准，以最小二乘法拟合出一个二次多项式函数AG＝aσ²+bσ+c；将均值调整后的多光谱平均梯度AG_m代入拟合所得函数，计算得到最优σ。

8.根据权利要求7所述基于自适应高斯滤波的全色多光谱影像融合系统，其特征在于：SFIM模型表示如下，

其中，Fusion是融合影像，MS是上采样多光谱影像，Pan是原始全色影像，Pan'是处理后的模拟全色影像。