[发明专利]一种遥感图像融合质量评价方法

摘要

本发明公开了一种遥感图像融合质量评价方法，其考虑到光谱域失真和空间域失真对遥感融合影像质量的影响，提取了红波段图像、绿波段图像、蓝波段图像、近红外波段图像、归一化植被指数图像、归一化差分水体指数图像、道路和建筑物指数图像，并通过提取所有子块的统计特征矢量，构造出训练样本集合的原始多元高斯模型；在测试阶段，通过获取测试遥感融合影像构成的测试样本集合的原始多元高斯模型，并根据训练阶段构造的原始多元高斯模型，预测得到测试遥感融合影像的客观质量评价预测值，由于获得的统计特征矢量信息能够较好地反映遥感融合影像的质量变化情况，因此有效地提高了客观评价结果与主观感知之间的相关性。

主权项

1.一种遥感图像融合质量评价方法，其特征在于包括训练阶段和测试阶段两个过程；所述的训练阶段过程的具体步骤如下：①_1、选取N幅宽度为W且高度为H的原始的无失真多光谱影像，每幅原始的无失真多光谱影像包括红波段图像、绿波段图像、蓝波段图像、近红外波段图像，将第u幅原始的无失真多光谱影像的红波段图像、绿波段图像、蓝波段图像、近红外波段图像对应记为Ru、Gu、Bu、NIRu；其中，N＞1，u为正整数，1≤u≤N；①_2、计算每幅原始的无失真多光谱影像的归一化植被指数图像，将第u幅原始的无失真多光谱影像的归一化植被指数图像记为NDVI_u，将NDVI_u中坐标位置为(x,y)的像素点的像素值记为NDVI_u(x,y)，其中，1≤x≤W,1≤y≤H，NIR_u(x,y)表示NIR_u中坐标位置为(x,y)的像素点的像素值，R_u(x,y)表示R_u中坐标位置为(x,y)的像素点的像素值；计算每幅原始的无失真多光谱影像的归一化差分水体指数图像，将第u幅原始的无失真多光谱影像的归一化差分水体指数图像记为NDWI_u，将NDWI_u中坐标位置为(x,y)的像素点的像素值记为NDWI_u(x,y)，其中，G_u(x,y)表示G_u中坐标位置为(x,y)的像素点的像素值；计算每幅原始的无失真多光谱影像的道路和建筑物指数图像，将第u幅原始的无失真多光谱影像的道路和建筑物指数图像记为RatioG_u，将RatioG_u中坐标位置为(x,y)的像素点的像素值记为RatioG_u(x,y)，其中，B_u(x,y)表示B_u中坐标位置为(x,y)的像素点的像素值；①_3、从每幅原始的无失真多光谱影像的红波段图像、绿波段图像、蓝波段图像、近红外波段图像、归一化植被指数图像、归一化差分水体指数图像、道路和建筑物指数图像各自中同坐标位置截取一个尺寸大小为96×96的子块，并对截取的每个子块进行标记以指示其来源，以随机截取方式，重复截取的过程，共截取M次后从每幅原始的无失真多光谱影像的红波段图像、绿波段图像、蓝波段图像、近红外波段图像、归一化植被指数图像、归一化差分水体指数图像、道路和建筑物指数图像各自中截取了M个子块；然后将截取的每个子块中的所有像素点的像素值按序排列构成该子块对应的列向量；再将每种标记的M'个子块对应的列向量构成一个训练样本集合，将标记为γ的M'个子块对应的列向量构成的训练样本集合记为其中，M≥7，M'表示标记相同的子块的总个数，M'＝N×M，γ∈{R,G,B,NIR,NDVI,NDWI,RatioG}，γ＝R表示该子块截取自红波段图像，γ＝G表示该子块截取自绿波段图像，γ＝B表示该子块截取自蓝波段图像，γ＝NIR表示该子块截取自近红外波段图像，γ＝NDVI表示该子块截取自归一化植被指数图像，γ＝NDWI表示该子块截取自归一化差分水体指数图像，γ＝RatioG表示该子块截取自道路和建筑物指数图像，m为正整数，1≤m≤M'，表示标记为γ的第m个子块对应的列向量，的维数为(96×96)×1；①_4、计算7个训练样本集合中同索引号的列向量对应的子块的统计特征矢量，共有M'个统计特征矢量，将7个训练样本集合中索引号同为m的列向量对应的子块的统计特征矢量记为Fm；其中，Fm的维数为42×1；①_5、根据7个训练样本集合对应的M'个统计特征矢量，提取出7个训练样本集合的原始多元高斯模型，记为(μ,C)；其中，μ表示(μ,C)的均值向量，C表示(μ,C)的协方差矩阵；所述的测试阶段过程的具体步骤如下：②_1、对于任意一幅宽度为W'且高度为H'的测试遥感融合影像，其包括红波段图像、绿波段图像、蓝波段图像、近红外波段图像，对应记为Rtest,Gtest,Btest,NIRtest；②_2、按照步骤①_2的过程，以相同的操作方式，得到测试遥感融合影像的归一化植被指数图像、归一化差分水体指数图像、道路和建筑物指数图像，对应记为NDVItest,NDWItest,RatioGtest；②_3、采用窗口尺寸大小为96×96且窗口移动步长为1像素的移动窗口，在R_test,G_test,B_test,NIR_test和NDVI_test,NDWI_test,RatioG_test各自中移动以截取同坐标位置的尺寸大小为96×96的子块，并对从R_test,G_test,B_test,NIR_test和NDVI_test,NDWI_test,RatioG_test中截取的每个子块进行标记以指示其来源，共移动M”次后从R_test,G_test,B_test,NIR_test和NDVI_test,NDWI_test,RatioG_test各自中截取了M”个子块；然后将从R_test,G_test,B_test,NIR_test和NDVI_test,NDWI_test,RatioG_test中截取的每个子块中的所有像素点的像素值按序排列构成该子块对应的列向量；再将每种标记的M”个子块对应的列向量构成一个测试样本集合，将标记为γ的M”个子块对应的列向量构成的测试样本集合记为其中，M”表示R_test,G_test,B_test,NIR_test和NDVI_test,NDWI_test,RatioG_test中标记相同的子块的总个数，1＜M”≤(W'‑96)×(H'‑96)，m”为正整数，1≤m”≤M”，表示标记为γ的第m”个子块对应的列向量，的维数为(96×96)×1；②_4、按照步骤①_4的过程，以相同的方式计算7个测试样本集合中同索引号的列向量对应的子块的统计特征矢量，共有M”个统计特征矢量，将7个测试样本集合中索引号同为m”的列向量对应的子块的统计特征矢量记为Ftest,m”；其中，Ftest,m”的维数为42×1；②_5、根据7个测试样本集合对应的M”个统计特征矢量，按照步骤①_5的过程，以相同的方式提取出7个测试样本集合的原始多元高斯模型，记为(μtest,Ctest)；其中，μtest表示(μtest,Ctest)的均值向量，Ctest表示(μtest,Ctest)的协方差矩阵；②_6、根据(μ,C)和(μ_test,C_test)，计算测试遥感融合影像的客观质量评价预测值，记为Q_test，其中，(μ‑μ_test)^T为(μ‑μ_test)的转置，为的逆。