CN108198163A - 一种基于离散余弦变换的全色与多光谱图像融合方法 - Google Patents
一种基于离散余弦变换的全色与多光谱图像融合方法 Download PDFInfo
- Publication number
- CN108198163A CN108198163A CN201810009702.4A CN201810009702A CN108198163A CN 108198163 A CN108198163 A CN 108198163A CN 201810009702 A CN201810009702 A CN 201810009702A CN 108198163 A CN108198163 A CN 108198163A
- Authority
- CN
- China
- Prior art keywords
- image
- discrete cosine
- cosine transform
- pan
- resolution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000001228 spectrum Methods 0.000 claims abstract description 12
- 230000003595 spectral effect Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 3
- FDKXTQMXEQVLRF-ZHACJKMWSA-N (E)-dacarbazine Chemical compound CN(C)\N=N\c1[nH]cnc1C(N)=O FDKXTQMXEQVLRF-ZHACJKMWSA-N 0.000 claims description 2
- 238000000429 assembly Methods 0.000 claims 1
- 238000003384 imaging method Methods 0.000 claims 1
- 238000005192 partition Methods 0.000 claims 1
- 230000009466 transformation Effects 0.000 abstract description 7
- 230000004927 fusion Effects 0.000 abstract description 5
- 238000000844 transformation Methods 0.000 abstract description 4
- 230000006835 compression Effects 0.000 abstract description 3
- 238000007906 compression Methods 0.000 abstract description 3
- 230000007812 deficiency Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 7
- 238000002156 mixing Methods 0.000 description 4
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/147—Discrete orthonormal transforms, e.g. discrete cosine transform, discrete sine transform, and variations therefrom, e.g. modified discrete cosine transform, integer transforms approximating the discrete cosine transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20052—Discrete cosine transform [DCT]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Discrete Mathematics (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Image Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种基于离散余弦变换的全色与多光谱图像融合方法,可解决现有全色与多光谱图像融合方法的缺点与不足。该基于离散余弦变换的全色与多光谱图像融合方法通过引入图像压缩标准中广泛采用的DCT变换来提取全色图像中的高频信息,并通过DCT反变换将其成功注入低分辨率多光谱图像中。与现有的技术相比,本发明在保证空间细节失真和谱失真均较小的前提下,融合速度明显提高,从而为全色与多光谱图像融合提供了更有力的技术支持。
Description
技术领域
本发明涉及遥感技术领域,具体的说是涉及一种基于离散余弦变换的全色与多光谱图像融合方法。
背景技术
高分辨率遥感卫星如QuickBird、IKONOS,GeoEye等能够同时提供全色(Panchromatic, Pan) 波段图像和多光谱(Multispectral, MS)波段图像.全色图像具有高空间分辨率,反映了目标地物的空间结构信息,能够详尽地表达地物的细节特征,但光谱分辨率不足;多光谱图像光谱信息丰富,利于对地物的识别与解译,但空间分辨率低. 然而, 在遥感应用如目视解译、变化检测等任务中常常需要同时具有高空间和高光谱分辨率的MS图像. 全色与多光谱图像融合技术(Pan-sharpening)就是用来将全色图像的空间细节信息注入多光谱波段图像以提高其空间分辨率, 同时尽可能地保持多光谱波段图像的光谱特性的一种遥感图像处理技术。
传统的全色与多光谱图像融合技术可分为两大类:分量替换法(Componentsubstitution, CS),多分辨率分析法(Multiresolution-analysis, MRA). 分量替换法的主要思想是将MS图像按点做谱段变换,获得一个类似与全色图像的主分量,然后用全色图像替换该主分量并进行按点反变换,所得结果即为既具有高空间分辨率又具有高光谱分辨率的MS图像。根据所采用的谱段变换方式不同,典型方法有基于HIS、基于PCA、基于GA等等的方法。CS 方法具有计算效率高, 融合图像空间失真小的优点,但缺点是融合图像的光谱失真较大。多分辨率分析法主要利用小波变换的多分辨特性,通过多级小波变换提取全色图像的空间细节信息,然后将其注入多光谱图像,从而获得既具有高空间分辨率又具有高光谱分辨率的MS图像。多分辨率分析法具有融合图像的光谱失真较小的优点,但缺点是计算复杂度较高,且融合图像空间失真较大。
发明内容
本发明的目的在于解决现有技术所存在的问题,提供了一种基于离散余弦变换的快速有效的全色与多光谱图像融合方法。
为了实现上述目的,本发明采用以下技术方案:
一种基于离散余弦变换的全色与多光谱图像融合方法,包括以下步骤:
(1) 输入高分辨全色图像P和低分辨多光谱图像MS k
(2)将高分辨全色图像P分为N×N大小的不重叠块
(3)对每个N×N块做离散余弦变换(DCT, Discrete Cosine Transform)
(4)用低分辨多光谱图像的像点值代替对应块的DC分量
(5)对步骤(4)的结果做离散余弦反变换(ICDT,)所得结果即为高分辨多光谱图像。
进一步的,所述步骤(1)中对高分辨全色图像和低分辨多光谱图像的尺寸比例无2的幂次倍要求限制,可以是任意倍。
进一步的,所述步骤(2)中N的取值为全色图像分辨率和高光谱图像分辨之比。即全色图像的总块数与多光谱图像的总像素点数相同,每个N×N大小块对应低分辨率多光谱图像的一个像素点。
进一步的,所述步骤(4)中低分辨多光谱图像的像点值代替对应块的DC分量的实现公式为:
式中k = 1,2,…,M, M为多光谱图像谱段数,N为分块大小,F (i,j ) (u,v)为全色图像分块f (i,j ) (x,y)的离散余弦变换结果,MS k (i,j)为k频段光谱图像在点(i,j)的像素值。
与现有技术相比,本发明具有以下有益效果:
本发明克服了目前全色与多光谱图像融合技术的缺点与不足,通过引入图像压缩标准中广泛采用的DCT变换来提取全色图像中的高频信息,并通过DCT反变换将其成功注入低分辨率多光谱图像中。与现有的技术相比,本发明在兼顾空间细节失真和谱失真均较小的前提下,可获得融合速度的较大提高,从而为全色与多光谱图像融合提供了更有力的技术支持。
附图说明
图1 为本发明用于全色与多光谱图像融合方法流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明,本发明的实施方式包括但不限于下列实施例。
实施例
如图1所示,本实施例提供了一种基于离散余弦变换的全色与多光谱图像融合方法,该方法通过引入图像压缩标准中广泛采用的DCT变换来提取高分辨全色图像中的高频信息,并通过DCT反变换将其成功注入低分辨多光谱图像中,从而得到高分辨多光谱图像。
基于离散余弦变换的全色与多光谱图像融合方法主要包括五个步骤。下面,对各步骤进行详细说明:
(101) 输入一组QuickBird卫星遥感图像,包括一个尺寸为14980×13116高分辨全色图像P和4个尺寸为3745×3279低分辨多光谱图像MSk, k=1, 2,3,4
(102) 将高分辨全色图像P分为3745×3279个4×4大小的不重叠块。即全色图像P的每个4×4块对应多光谱图像MSk的一个像素点.
(103)对每个4×4块f (i,j ) (x,y)做离散余弦变换(DCT, Discrete CosineTransform)得F (i,j ) (u,v),其计算公式为:
式中
i = 0, 1,… 3744,j = 0,1,…, 3278
(104) 用低分辨多光谱图像MSk的像点值MSk(i,j)代替F (i,j ) (u,v)的直流分量,具体公式为:
k = 1,2,3, 4
i = 0, 1,… 3744, j = 0,1,…, 3278
(105) 对进行DCT反变换,得到4个尺寸为14980×13116的高分辨多光谱图像,其计算公式为:
式中 k = 1, 2,3, 4; x, y = 0, 1, 2,3;
i = 0, 1,… 3744, j = 0,1,…, 3278
按照上述实施例,便可很好地实现本发明。值得说明的是,基于上述设计原理的前提下,为解决同样的技术问题,即使在本发明所公开的方法基础上做出的一些无实质性的改动或润色,所采用的技术方案的实质仍然与本发明一样,故其也应当在本发明的保护范围内。
Claims (6)
1.一种基于离散余弦变换的全色与多光谱图像融合方法,该方法按以下步骤进行:
(1) 输入一个高分辨全色图像和M个低分辨多光谱图像.
(2) 将高分辨全色图像分为N×N大小的不重叠块.
(3) 对每个N×N块做离散余弦变换(DCT, Discrete Cosine Transform).
(4) 用低分辨多光谱图像的像点值代替对应块的DC分量.
(5) 对步骤(4)的结果做离散余弦反变换(ICDT,)所得结果即为高分辨多光谱图像。
2.根据权利要求1所述的基于离散余弦变换的全色与多光谱图像融合方法,其特征在于,所述步骤(1)中低分辨多光谱图像的个数M取决于多光谱遥感成像***的谱分辨率,通常为2-8。
3.根据权利要求1所述的基于离散余弦变换的全色与多光谱图像融合方法,其特征在于,所述步骤(2)中全色图像的块划分过程中,块的大小N等于全色图像分辨率和高光谱图像分辨率之比,故总块数与多光谱图像的总像素数相同,即全色图像的每个N×N块对应多光谱图像的一个像素点。
4.根据权利要求1所述的所述的基于离散余弦变换的全色与多光谱图像融合方法,其特征在于,所述步骤(3)中离散余弦变换可以为浮点DCT变换,也可是整数DCT变换。
5.根据权利要求1所述的所述的基于离散余弦变换的全色与多光谱图像融合方法,其特征在于,所述步骤(4)中用低分辨多光谱图像的像点值代替全色图像中对应块的DCT变换结果的DC分量,其计算公式为:
式中k = 1,2,…,M,M为多光谱图像谱段数,N为分块大小,F (i,j ) (u,v)为全色图像分块f (i,j ) (x,y)的离散余弦变换结果,MS k (i,j)为k频段光谱图像在点(i,j)的像素值。
6.根据权利要求1所述的所述的基于离散余弦变换的全色与多光谱图像融合方法,其
特征在于,所述步骤(5)中对所述步骤(4)所得结果做离散余弦反变换,并将其
重新组装即为高分辨多光谱图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810009702.4A CN108198163A (zh) | 2018-01-05 | 2018-01-05 | 一种基于离散余弦变换的全色与多光谱图像融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810009702.4A CN108198163A (zh) | 2018-01-05 | 2018-01-05 | 一种基于离散余弦变换的全色与多光谱图像融合方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108198163A true CN108198163A (zh) | 2018-06-22 |
Family
ID=62588376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810009702.4A Pending CN108198163A (zh) | 2018-01-05 | 2018-01-05 | 一种基于离散余弦变换的全色与多光谱图像融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108198163A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428387A (zh) * | 2018-11-16 | 2019-11-08 | 西安电子科技大学 | 基于深度学习与矩阵分解的高光谱与全色图像融合方法 |
WO2020134856A1 (zh) * | 2018-12-29 | 2020-07-02 | 长沙天仪空间科技研究院有限公司 | 一种遥感卫星*** |
CN111524079A (zh) * | 2020-04-22 | 2020-08-11 | 四川大学 | 基于分量替换和低通滤波的多光谱遥感图像全色锐化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542549A (zh) * | 2012-01-04 | 2012-07-04 | 西安电子科技大学 | 基于压缩感知的多光谱与全色图像超分辨融合方法 |
CN104700379A (zh) * | 2014-12-29 | 2015-06-10 | 烟台大学 | 一种基于多尺度形态成分分析的遥感图像融合方法 |
-
2018
- 2018-01-05 CN CN201810009702.4A patent/CN108198163A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542549A (zh) * | 2012-01-04 | 2012-07-04 | 西安电子科技大学 | 基于压缩感知的多光谱与全色图像超分辨融合方法 |
CN104700379A (zh) * | 2014-12-29 | 2015-06-10 | 烟台大学 | 一种基于多尺度形态成分分析的遥感图像融合方法 |
Non-Patent Citations (4)
Title |
---|
WENQING WANG: "Fusion of multispectral and panchromatic images via sparse representation and local autoregressive model", 《INFORMATION FUSION》 * |
李国新: "基于DCT的遥感图像融合", 《计算机应用研究》 * |
贾林: "基于分块DCT的遥感图像融合方法", 《微计算机信息》 * |
黄登山: "基于DCT 变换的多光谱与全色影像融合方法", 《地理与地理信息科学》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428387A (zh) * | 2018-11-16 | 2019-11-08 | 西安电子科技大学 | 基于深度学习与矩阵分解的高光谱与全色图像融合方法 |
CN110428387B (zh) * | 2018-11-16 | 2022-03-04 | 西安电子科技大学 | 基于深度学习与矩阵分解的高光谱与全色图像融合方法 |
WO2020134856A1 (zh) * | 2018-12-29 | 2020-07-02 | 长沙天仪空间科技研究院有限公司 | 一种遥感卫星*** |
CN111524079A (zh) * | 2020-04-22 | 2020-08-11 | 四川大学 | 基于分量替换和低通滤波的多光谱遥感图像全色锐化方法 |
CN111524079B (zh) * | 2020-04-22 | 2023-06-20 | 四川大学 | 基于分量替换和低通滤波的多光谱遥感图像全色锐化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | SIRF: Simultaneous satellite image registration and fusion in a unified framework | |
Ma et al. | Infrared and visible image fusion using total variation model | |
CN110827200B (zh) | 一种图像超分重建方法、图像超分重建装置及移动终端 | |
Xie et al. | Deep convolutional networks with residual learning for accurate spectral-spatial denoising | |
Qiu et al. | Learning spatiotemporal frequency-transformer for compressed video super-resolution | |
CN108198163A (zh) | 一种基于离散余弦变换的全色与多光谱图像融合方法 | |
Singh et al. | IR and visible image fusion using DWT and bilateral filter | |
Cui et al. | Infrared and visible image fusion using detail enhanced channel attention network | |
CN116109535A (zh) | 一种图像融合方法、设备及计算机可读存储介质 | |
Wang et al. | Coarse-to-fine disentangling demoiréing framework for recaptured screen images | |
Lal et al. | Enhanced dictionary based sparse representation fusion for multi-temporal remote sensing images | |
Zhang et al. | A novel remote-sensing image fusion method based on hybrid visual saliency analysis | |
CN105528772B (zh) | 一种基于指导性滤波的图像融合方法 | |
US20130216097A1 (en) | Image-feature detection | |
Xue et al. | Feature Point Extraction and Matching Method Based on Akaze in Illumination Invariant Color Space | |
CN113066030B (zh) | 一种基于空谱融合网络的多光谱图像全色锐化方法及*** | |
Yuan et al. | Deep‐sea image stitching: Using multi‐channel fusion and improved AKAZE | |
Li et al. | Pansharpening via subpixel convolutional residual network | |
EP2884427B1 (en) | Method and system for describing an image | |
CN106548465A (zh) | 一种多光谱遥感影像的增强方法 | |
Zhang et al. | A new fusion method for remote sensing images based on salient region extraction | |
Cao et al. | A novel segmentation based video-denoising method with noise level estimation | |
Yue et al. | Sift-based image super-resolution | |
Babbar et al. | Hybrid model of alternating least squares and root polynomial technique for color correction | |
Li et al. | Edge-guided multispectral image fusion algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180622 |
|
WD01 | Invention patent application deemed withdrawn after publication |