[发明专利]去云-分辨率提升协同的高分SAR与低分多光谱图像融合方法

权利要求书

1.一种去云-分辨率提升协同的高分SAR与低分多光谱图像融合方法，其特征在于，包括以下步骤：

步骤1、输入原始图像，选取同一场景的高分SAR图像与低分多光谱图像，分别记为I_SARo和I_MSL，并为低分多光谱图像的被云覆盖区域制作掩膜图像，将掩膜图像记为M_L；

步骤2、对输入的高分SAR图像与低分多光谱图像进行预处理；得到融合过程中的原始多光谱图像I_MSR、掩膜图像矩阵M和去噪与几何配准后新的SAR图像I_SAR；

步骤2.1、使用Lee滤波方法对高分SAR图像进行去噪，去除高分SAR图像中的相干斑噪声，得到去噪后的高分SAR图像，记为

步骤2.2、对和I_MSL进行几何配准操作，得到新的SAR图像，记为I_SAR；根据高分SAR图像I_SARo的大小，将低分多光谱图像I_MSL和低分多光谱图像的掩膜图像M_L放大到与I_SARo相同的大小，记为I_MSR和M；I_MSR和M分别作为融合过程中的原始多光谱图像和掩膜图像；

步骤3、建立去云-分辨率提升的协同变分融合模型；去云-分辨率提升的协同变分融合模型由光谱保真项、空间增强项和先验项组成；通过光谱保真项、空间增强项和先验项的能量梯度大小算出变分融合模型迭代时的迭代步长，将计算得到的迭代步长代入迭代公式，最后得到融合结果图像；

步骤3.1、变分融合模型的光谱保真项能量梯度函数为：

上式中，Y'_b、Y'_k分别为第b个、第k个图像波段的多光谱图像数据；x_b、x_k分别为第b个、第k个图像波段期望得到的无云高分多光谱融合结果图像；M为掩膜图像矩阵；B为图像总波段数；D为下采样矩阵；S_b、S_k分别为第b个、第k个图像波段的模糊矩阵；b、k分别为图像波段号；

步骤3.2、变分融合模型的空间增强项能量梯度函数为：

上式中，B为图像总波段数；b为图像波段号；为拉普拉斯运算；Z'为经过预处理后的高分SAR图像，记为I_SAR；f(·)为矩匹配函数；M为掩膜图像矩阵；x_b为第b个图像波段期望得到的无云高分多光谱融合结果图像；

上式中，x_b为第b个图像波段期望得到的无云高分多光谱融合结果图像；std表示为带有该下标的项计算标准差，mean表示为带有该下标的项计算平均值；Z'_b为经过预处理后的第b个图像波段的高分SAR图像；

步骤3.3、变分融合模型的先验项的能量梯度函数为

上式中，为通过高分SAR图像得到的多光谱图像云覆盖区域与其周围像素的对应关系矩阵；为第b个图像波段上云覆盖区域第i个位置的系数值；x_b为第b个图像波段期望得到的无云高分多光谱融合结果图像；x_bi为无云高分多光谱融合结果图像第b个图像波段上云覆盖区域第i个位置的像素值；N为云覆盖区域的总像素点个数；

步骤3.4、为光谱保真项、空间增强项和先验项的能量梯度函数设置权重，得到变分融合模型完整的能量函数：

上式中，b、k分别为图像波段号；N为云覆盖区域的总像素点个数；λ₁和λ₂为设置的权重，λ₁和λ₂均为常数；为自适应权重矩阵；

上式中，I为低分多光谱图像通过IHS变换得到的亮度矩阵，y代表原始低分多光谱图像I_MSR，y_b代表融合过程中的原始多光谱图像I_MSR的第b个图像波段；M为掩膜图像矩阵，cov为相关性计算，var为方差计算；

步骤3.5、通过对变分融合模型完整的能量函数求导，得到每个图像波段的总能量梯度矩阵：

上式中，M_t分为M_p和M_q两部分，y_t也分为y_p和y_q两部份，M_p＝M，M_q＝1-M；y_p为I_MSR与经过运算后得到的多光谱图像y_q为放大到与I_SARo相同大小的低分多光谱图像I_MSR，Z'为经过预处理后的高分SAR图像，为图像波段b的总能量梯度矩阵；

步骤3.6、根据得到的能量梯度矩阵求出进行融合模型迭代时，每次迭代的步长τ：

上式中，τ_b为图像波段b的迭代步长，为图像波段b在第n次的迭代后的总能量梯度矩阵，为掩膜矩阵，[·]^T为矩阵转置；

步骤3.7、设计迭代公式为：

上式中，x_b,n为第n次迭代后的图像波段b的结果图像；x_b,n+1为根据x_b,n再迭代一次后的图像波段b的结果图像；τ_b,n为图像波段b第n次迭代后的迭代步长；初始化融合影像为

设置迭代终止条件为：

||x_b.n+1-x_b,n||²/||x_b,n||²≤d

其中，d为设置的终止条件的阈值；

步骤4：将SAR图像I_SAR、融合过程中的原始多光谱图像I_MSR、融合过程中的掩膜图像矩阵M放入设计好的最优融合策略中不断迭代，当达到设置的标准后，输出最终结果图像，最终结果图像为高分SAR图像和低分多光谱图像的去云融合图像，记为I_SAR/MS。