[发明专利]基于弥散张量引导的高分辨率遥感影像融合评价方法

摘要

本发明提供一种基于散张量引导的高分辨率遥感影像融合评价方法，包括将经过影像配准的多光谱影像与全色影像分块，采取各向异性模型进行弥散张量引导的上采样，选择遥感影像融合算法，采用GPU并行计算加速，遥感影像融合评价指标相关性分析。本发明在上采样过程中可以通过参数调节弥散张量模型对影像像素的作用强度，使得边缘保护和去除噪声根据实际需求达到平衡；上采样不受原始影像亮对比度等成像质量的影响，使重叠的影像严格对应，避免了在边缘附近像素的虚假结构现象。并且，提出通用模型概括融合策略，通过相关性分析综合评价所得融合影像质量；充分发挥现有设备性能，利用GPU强度大的计算优势多线程处理。

主权项

1.一种基于弥散张量引导的高分辨率遥感影像融合评价方法，其特征在于，包括以下步骤：步骤1，将经过影像配准的多光谱影像与全色影像分块；步骤2，上采样，包括以下子步骤，步骤2.1，从步骤1所得结果中选择一对待融合的影像块，用于训练参数；根据预设的参数α、β和γ初始值，采取各向异性模型进行弥散张量引导的上采样，自适应检测待融合影像边缘并采用最小二乘法拟合；采取各向异性模型进行弥散张量引导的上采样时，利用以下方程描述多光谱遥感影像的点扩散和上采样过程，M(k)＝X(k)·D·A(k)k＝1,...,K其中，变量k为多光谱影像的波段序号，K为参与融合的波段数，M为配准后的的多光谱影像，X为多光谱影像的高分辨率估计值，A为二维点扩散函数对应的变换，D为二维上采样过程对应的变换；采用高斯滤波器平滑原始的全色影像，计算得到每个像素的梯度方向n＝d/||d||和梯度强度||d||，其中d为计算的梯度向量；对于梯度为零的情况，规定n＝[1,0]^T，避免梯度方向的未定性；定义每个像素的弥散张量t如下，其中，d_⊥定义为与梯度向量d垂直，即灰度变化最小方向的向量，上标^T表示向量的转秩，d^T、分别为向量d、d_⊥的转秩，边缘保护函数w为w＝exp(‑β||d||^γ)将张量模型用于能量函数优化，得到k＝1,...,K其中，高频空间细节信息参数S＝D·A，G为梯度算子对应的矩阵变换，P为各像素的弥散张量t对角排列组成的灰度张量矩阵，参数α表示各向异性正则约束的权值，多光谱影像的高分辨率估计值X是待解求的影像，M为原始的多光谱影像；X^*为所得融合影像，K为参与融合的波段数；基于线性最小二乘方式，计算融合影像如下，X^*＝(S^TS+αG^TPG)^‑1S^TM其中，上标^T表示向量的转秩，通过逐波段求解二次优化问题，得到上采样的多光谱影像；步骤2.2，进行客观指标评价，如果是精度最优则进入步骤3，否则进入步骤2.3；步骤2.3，调节参数α、β和γ的当前取值，返回步骤2.1；步骤3，选择遥感影像融合算法；步骤4，采用GPU并行计算加速，以块的形式生成和保持融合结果，包括读取与进程数目相同的数据块至内存，每个进程分别处理一对待融合的影像块；步骤5，遥感影像融合评价指标相关性分析，包括因子聚类分析客观评价指标相关性，选取独立的评价指标从多方面综合评价融合结果精度。