[发明专利]一种基于全色与高光谱图像融合的目标轮廓提取方法

说明书

本发明公开了一种基于全色与高光谱图像融合的目标轮廓提取方法，包括：通过插值将高光谱图像采样至全色图像相同的空间分辨率，得到高光谱图像上的采样图像；对高光谱图像上的采样图像的可见光和近红外波段进行加权，得到低分辨率全色图像；将高光谱上的采样图像、低分辨率全色图像、全色图像生成全色与高光谱融合图像；计算全色与高光谱融合图像每个像元的类密度、区分度以及每个像元的类密度和区分度之积，得到中心似然度，确定中心像元；对全色与高光谱融合图像中的所有像元，按其与中心像元特征距离的远近划分为两个类别，从而得到目标的轮廓。本发明通过全色与高光谱图像融合，提升了高光谱图像的空间分辨率。

技术领域

本发明涉及一种遥感图像目标轮廓提取方法，尤其涉及一种基于全色与高光谱图像融合的目标轮廓提取方法，属于数字图像处理技术领域。

背景技术

高光谱遥感图像通常在电磁波谱的可见光、近红外和中红外区域，以数十至数百个连续且细分的光谱波段对地物同时相成像。其的光谱分辨率很高，一般可达到10纳米数量级。高光谱图像记录的地物光谱信息极为丰富，在矿藏探测、环境和海洋监测、精细农业、森林调查、国防安全等领域发挥着越来越重要的作用。虽然高光谱图像的光谱分辨率高，但其空间分辨率较低。另一方面，全色图像通常采用可见光及近红外全谱段成像，其空间分辨率很高，但是仅提供目标的灰度信息，而单纯利用灰度信息也难以准确提取目标的轮廓。

考虑到全色图像的空间分辨率较高，因此现有航天平台(如美国的EO-1和我国的天宫1号空间站)往往同时相采集全色与高光谱图像对，然后通过图像融合处理来提升高光谱图像的空间分辨率。因此，首先对全色与高光谱图像进行融合处理，然后综合利用融合图像的几何和光谱特征可以准确提取目标的轮廓。

目前，全色与高光谱图像融合方法的研究相对较少，主要分为分量替换和频域替换两大类。其中，分量替换主要包括基于IHS变换、基于PCA变换、基于GS变换融合方法；频域替换主要包括基于小波变换、基于轮廓波、基于曲波变换等融合方法。但是，这些方法在“分量”或“频域”替换过程中容易产生目标轮廓模糊的问题，因此，本发明利用乘性变换模型生成全色与高光谱融合图像。另一方面，当前针对高光谱图像的目标轮廓提取方法非常少，而现有面向全色图像的目标轮廓提取方法主要利用目标的几何特征，不适用于高光谱图像的目标轮廓提取。亟需研究一种适用于全色与高光谱融合图像的目标轮廓提取方法。

在此背景下，本发明提出了一种基于全色与高光谱图像融合的目标轮廓提取方法，可有效提升高光谱图像中目标检测与识别的准确性，对高光谱图像的机器分析具有重要意义。

发明内容

本发明所要解决的技术问题在于提供一种基于全色与高光谱图像融合的目标轮廓提取方法。该方法首先利用高光谱图像合成低分辨率全色图像，然后利用乘性变换方法生成全色与高光谱融合图像；在此基础上，利用全色与高光谱融合图像中像元的光谱值计算每个像元的类密度与区分度；最后，利用类密度与区分度计算划分目标与背景的两个中心像元，并按每个像元至两个中心像元距离提取目标的轮廓。

为实现上述的发明目的，本发明采用下述的技术方案：

一种基于全色与高光谱图像融合的目标轮廓提取方法，包括如下步骤：

(1)通过插值将高光谱图像采样至全色图像相同的空间分辨率，得到高光谱图像上的采样图像；

(2)对高光谱图像上的采样图像的可见光和近红外波段进行加权，得到低分辨率全色图像；

(3)将高光谱上的采样图像、低分辨率全色图像、全色图像生成全色与高光谱融合图像；

(4)计算全色与高光谱融合图像每个像元的类密度、区分度以及每个像元的类密度和区分度之积，得到中心似然度；

(5)选取中心似然度最大的像元，以及中心似然度仅次于最大中心似然度的像元作为中心像元；