[发明专利]一种基于梯度场的优化融合遥感图像处理方法

摘要

本发明公开了一种基于梯度场的优化融合遥感图像处理方法，包括以下步骤：利用图像预处理器将多光谱图像h的每个波段均取样为与高分辨率图像g相同的地域范围；并将多光谱图像和高分辨率图像进行几何精确校正处理；进而，对两种图像分别进行对比度处理。然后，将预处理后的图像分别定义梯度约束和光谱约束，使得欲融合图像的梯度趋近于高分辨率图像g，而融合图像的颜色信息趋近于多光谱合成图像h；根据梯度约束和光谱约束可建立融合图像求解方程；通过以两类图像分辨率的比例差异选择融合图像的核半径，并以调整α²因子的大小，使算法经若干次迭代达到收敛解，最终，使图像融合优化方程可获得最优解。

主权项

1、一种基于梯度场的优化融合遥感图像处理方法，其特征在于包括以下步骤：a.利用图像预处理器将多光谱图像h的每个波段均取样为与高分辨率图像g相同的地域范围，进行几何精确校正处理，并视高分辨率图像质量对其进行对比度增强处理；b.按预处理后的高分辨率图像的梯度特征定义融合图像的梯度约束，使得融合图像的梯度趋近于高分辨率图像g，并满足以下方程：c，p，q∈Np：fcp-fcq＝gp-gq (1)其中，Np表示融合图像S上每个像素点p上的四邻域点或者八邻域点，而fcp是第c波段在该点的像素值，其中，c∈{1，2，ΛC}，C是光谱段数目，fcq是第c波段融合图像在该点的像素值；c.再将经梯度约束后的融合图像按多光谱图像特征进行光谱约束，以便使融合图像的光谱信息趋近于多光谱图像h，并满足以下方程：$\forall c,p:\underset{q}{\Sigma }{f}_{\mathrm{cq}}k\left(\right|p-q\left|\right)=h_{\mathrm{cp}}---\left(2\right)$ k是低通滤波核函数；而其中，c∈{1，2，ΛC}，C是光谱段数目；d.建立融合优化求解方程：在定义了融合图像S的梯度约束和光谱约束后，建立融合图像的求解方程，利用方程(1)和(2)两个函数，转换为优化公式(3)用于求解优化融合图像$\underset{f}{\min }\underset{p}{\Sigma }\underset{q\in N_p}{\Sigma }{(f_p-f_q-g_p+g_q)}^2+{\alpha }^2\underset{p}{\Sigma }{(\underset{f}{\Sigma }{f}_r{K}_M(p,r)-{h\text{'}}_p)}^2---\left(3\right)$ α2是正则化因子，KM(p，r)为高斯密度函数，hp’由原多光谱图像重采样得到；e.据两类图像比例差选择融合图像的核半径：根据高、低分辨率图像的比例差异，选择出图像融合优化处理的核半径，其中选择方案为KW(p，q)的非零范围，取稍大于图像高、低分辨率比值的两倍的矩形窗口，则(3)式的解可满足以下方程(4)：$\forall p\in S,\left|{N\text{'}}_p\right|f_p-\underset{q\ne p}{\Sigma }{K}_{\mathrm{pq}}{f}_q=\frac{{\alpha }^2}{2}{h\text{'}}_p+\underset{q\in N_p}{\Sigma }(g_p-g_q)---\left(4\right)$ h’是原多光谱图像重采样得到，k选取高斯密度函数，Np表示融合图像S上每个像素点p上的四邻域点或八邻域点，则|Np|表示邻域上的点的数目，|Np’|＝|Np|+(α2/2)KW(p，q)。