[发明专利]一种遥感图像融合质量评价方法

说明书

本发明公开了一种遥感图像融合质量评价方法，其考虑到光谱域失真和空间域失真对遥感融合影像质量的影响，提取了红波段图像、绿波段图像、蓝波段图像、近红外波段图像、归一化植被指数图像、归一化差分水体指数图像、道路和建筑物指数图像，并通过提取所有子块的统计特征矢量，构造出训练样本集合的原始多元高斯模型；在测试阶段，通过获取测试遥感融合影像构成的测试样本集合的原始多元高斯模型，并根据训练阶段构造的原始多元高斯模型，预测得到测试遥感融合影像的客观质量评价预测值，由于获得的统计特征矢量信息能够较好地反映遥感融合影像的质量变化情况，因此有效地提高了客观评价结果与主观感知之间的相关性。

技术领域

本发明涉及一种图像质量评价方法，尤其是涉及一种遥感图像融合质量评价方法。

背景技术

全色多光谱融合是目前遥感图像融合领域的一个研究热点。多光谱图像通常空间分辨率较低，而全色图像通常具有较高的空间分辨率，但缺乏光谱信息。全色多光谱融合的目的就是将全色图像的空间信息融合到多光谱图像中，得到具有高空间分辨率的多光谱图像。但是，不同融合方法对不同的全色图像和多光谱图像有着不同的融合效果，如何评价融合后图像质量问题是目前需要解决的一个问题。

目前遥感全色多光谱融合图像质量评价领域中，主要存在两方面问题：(1)缺少全色多光谱融合图像的主观评价库，现有的客观质量评价方法无法通过人类主观评价的对比来衡量效果。(2)光谱域失真问题难以用无参考评价方法来衡量，而光谱域失真过于严重可能导致地物识别困难，因此度量光谱域失真是评价融合图像质量必须要解决的问题。

发明内容

本发明所要解决的技术问题是提供一种遥感图像融合质量评价方法，其能够有效地提高客观评价结果与主观感知之间的相关性。

本发明解决上述技术问题所采用的技术方案为：一种遥感图像融合质量评价方法，其特征在于包括训练阶段和测试阶段两个过程；

所述的训练阶段过程的具体步骤如下：

①_1、选取N幅宽度为W且高度为H的原始的无失真多光谱影像，每幅原始的无失真多光谱影像包括红波段图像、绿波段图像、蓝波段图像、近红外波段图像，将第u幅原始的无失真多光谱影像的红波段图像、绿波段图像、蓝波段图像、近红外波段图像对应记为R_u、G_u、B_u、NIR_u；其中，N＞1，u为正整数，1≤u≤N；

①_2、计算每幅原始的无失真多光谱影像的归一化植被指数图像，将第u幅原始的无失真多光谱影像的归一化植被指数图像记为NDVI_u，将NDVI_u中坐标位置为(x,y)的像素点的像素值记为NDVI_u(x,y)，其中，1≤x≤W,1≤y≤H，NIR_u(x,y)表示NIR_u中坐标位置为(x,y)的像素点的像素值，R_u(x,y)表示R_u中坐标位置为(x,y)的像素点的像素值；

计算每幅原始的无失真多光谱影像的归一化差分水体指数图像，将第u幅原始的无失真多光谱影像的归一化差分水体指数图像记为NDWI_u，将NDWI_u中坐标位置为(x,y)的像素点的像素值记为NDWI_u(x,y)，其中，G_u(x,y)表示G_u中坐标位置为(x,y)的像素点的像素值；

计算每幅原始的无失真多光谱影像的道路和建筑物指数图像，将第u幅原始的无失真多光谱影像的道路和建筑物指数图像记为RatioG_u，将RatioG_u中坐标位置为(x,y)的像素点的像素值记为RatioG_u(x,y)，其中，B_u(x,y)表示B_u中坐标位置为(x,y)的像素点的像素值；