[发明专利]一种基于显著性分析的自适应遥感图像融合方法

摘要

本发明公开一种基于显著性分析的自适应遥感图像融合方法，属于遥感图像处理技术领域。实施过程包括：1)多光谱图像经IHS变换得到I、H、S分量；2)采用多尺度谱残差对全色遥感图像进行显著性分析得到显著区域和非显著区域；3)对显著区域采用基于加窗IHS变换的融合方法，非显著区域采用基于小波变换的融合方法；4)将得到的显著区域和非显著区域I分量合并，与多光谱图像的H、S分量经IHS逆变换得到融合图像。本发明通过基于显著性分析的自适应融合，对显著区域很好保留了空间分辨率与光谱信息，对非显著区域有效降低了光谱扭曲度，解决了遥感图像融合中不同区域对空间分辨率和光谱信息要求不同的问题，可用于环境监测、土地利用与农业调查等领域。

主权项

一种基于显著性分析的自适应遥感图像融合方法，本方法首先通过基于多尺度谱残差的显著性分析获得遥感图像的显著区域和非显著区域，然后在显著区域采用基于加窗IHS变换的融合方法，提高显著区域的空间分辨率，在非显著区域采用基于小波变换的融合方法，保留更多光谱信息，其特征在于，包括以下步骤：步骤一：多光谱图像经IHS变换得到I、H、S分量，I、H、S分量分别表征图像的亮度(Intention)、色度(Hue)和饱和度(Saturation)；步骤二：通过多尺度谱残差方法对全色遥感图像进行显著性分析，得到全色遥感图像的显著图，利用最大类间方差法对显著图进行阈值分割，分别得到显著区域和非显著区域的二值化模板；步骤三：多光谱图像的I分量与非显著区域模板相乘得到多光谱图像I分量的非显著区域，记为M；全色遥感图像与非显著区域模板相乘得到全色遥感图像的非显著区域，记为N；步骤四：对M进行三层小波分解，提取M的低频分量，记为M_l；对N进行三层小波分解，提取N的高频分量，记为N_h；步骤五：将M的低频分量M_l和N的高频分量N_h直接重组，将重组结果进行小波重构，得到融合图像亮度分量的非显著区域，记为I1；步骤六：多光谱图像的I分量与显著区域模板相乘得到多光谱图像I分量的显著区域，记为P；全色遥感图像与显著区域模板相乘得到全色遥感图像的显著区域，记为Q；对P和Q采用基于加窗IHS变换的融合方法，即对P和Q进行窗口大小为3×3的灰度值矩阵匹配，窗口遍历后得到融合图像亮度分量的显著区域，记为I2；步骤七：将非显著区域I1与显著区域I2合并，得到最终的融合图像亮度分量，记为I′；步骤八：将I′、H、S分量进行IHS逆变换，得到最终的融合图像。