[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

说明书

本发明涉及一种去云‑分辨率提升协同的高分SAR与低分多光谱图像融合方法，包括以下步骤：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，并为低分多光谱图像的被云覆盖区域制作掩膜图像；对输入的高分SAR图像与低分多光谱图像进行预处理；建立去云‑分辨率提升的协同变分融合模型。本发明的有益效果是：在还原云覆盖多光谱图像被云覆盖区域的同时，使低分多光谱图像与高分SAR图像进行了融合，使得融合图像同时拥有低分多光谱与高分SAR图像的优点。高分SAR图像和低分多光谱图像的融合效果好，高分SAR图像的信息在增强低分多光谱图像纹理结构的同时，提高了低分多光谱的分辨率，且没有破坏多光谱图像的光谱信息。

技术领域

本发明属于图像处理技术领域，尤其涉及一种去云-分辨率提升协同的高分SAR与低分多光谱图像融合方法。

背景技术

SAR(Synthetic Aperture Radar)为主动对地观测系统，基于物体对微波的反射特性成像得到，具有不受到云雾干扰的全天候成像优势，此外，高空间分辨率(高分)SAR影像含有的纹理信息丰富。多光谱图像是基于物体对光的反射率特性成像，具有多个波段，但多光谱图像极易受云雾遮挡的影响，且空间分辨率往往相对较低。因此将高分SAR图像与低分多光谱图像融合，利用它们的互补信息弥补单一成像的不足，生成无云覆盖高分多光谱影像，从而更精确的显示地物的特征，具有重要意义。

目前，常见的SAR与多光谱图像融合方法主要有：采用非下采样contourlet变换(NSCT)和模糊C均值聚类(FCM)相结合的图像融合算法、基于曲波(Curvelet)变换的图像融合方法、基于神经网络的融合方法等。在这些方法中，应用较为广泛的是基于曲波变换的图像融合方法，因为曲波变换是一种更适合于图像处理的多尺度几何分析(MGA)方法，具有较强的方向性。这种融合方法的基本思想是：首先，使用HSI变换将多光谱图像从RGB转换到HSI颜色空间。其次，对多光谱图像的亮度分量I和SAR图像进行曲波变换，并进行融合。之后，对融合结果进行逆曲波变换得到新的I分量。最后，用新的I分量代替原来的I分量，并使用逆HSI变换得到最终的融合图像。

上述方法主要适用于无云多光谱影像的融合，其旨在利用高分SAR影像提升低分多光谱影像的空间分辨率，但对SAR影像不受云雾影响的全天候成像优势考虑不足，难以适用于云覆盖多光谱影像的融合。

发明内容

本发明的目的是克服现有技术中的不足，提供一种去云-分辨率提升协同的高分SAR与低分多光谱图像融合方法。

这种去云-分辨率提升协同的高分SAR与低分多光谱图像融合方法，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，该掩膜图像可通过现有云检测方法或根据实际需要在专业软件中(如ENVI)手动勾选得到；

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，从而使目标图像不断迭代更新，最后得到融合结果图像；

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。