CN111476746A - 一种基于ihs变换与自适应区域特征的遥感图像融合方法 - Google Patents
一种基于ihs变换与自适应区域特征的遥感图像融合方法 Download PDFInfo
- Publication number
- CN111476746A CN111476746A CN202010196505.5A CN202010196505A CN111476746A CN 111476746 A CN111476746 A CN 111476746A CN 202010196505 A CN202010196505 A CN 202010196505A CN 111476746 A CN111476746 A CN 111476746A
- Authority
- CN
- China
- Prior art keywords
- image
- remote sensing
- fusion
- adaptive
- self
- 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
- 230000009466 transformation Effects 0.000 title claims abstract description 22
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 15
- 230000004927 fusion Effects 0.000 claims abstract description 53
- 238000011156 evaluation Methods 0.000 claims description 27
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 238000011158 quantitative evaluation Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 description 9
- 230000003595 spectral effect Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于IHS变换与自适应区域特征的遥感图像融合方法,包括如下步骤:获取待融合遥感图像;通过自适应区域特征对遥感图像进行修复及校正;将多光谱遥感图像的R、G、B三个波段转换到IHS空间;将全色图PAN图像与多光谱MS图像经IHS变换后得到的亮度分量I,融合后得到新的融合分量I’,保持H和S分量不变;IHS反变换得到增强后的多光谱图像,通过融合分量I’,代替亮度分量,并同H、S分量图像一起转换到RGB空间,得到融合图像;对融合结果进行评价,本发明将自适应区域特征运用到遥感图像融合中,避免了现有技术直接采用多光谱MS图像与全色图PAN图像进行融合时出现图像失真的问题,得到的融合结果图像分辨率高。
Description
技术领域
本发明涉及图像融合技术领域,尤其涉及一种基于IHS变换与自适应区域特征的遥感图像融合方法。
背景技术
随着越来越多的遥感卫星平台相继升空,迫切需要遥感卫星提供高光谱分辨率与高空间分辨率的遥感影像,然而受到现阶段材料与工艺水平的制约,遥感成像设备的高空间分辨率与高光谱分辨率难以同时实现。图像融合技术为解决上述难点问题提供了有效的技术手段,按图像融合时数据的处理层次,融合算法可分为像素级融合、特征级融合和决策级融合,其中像素级融合能够保留图像的细节信息,算法最简单,是目前融合技术研究中最为广泛的算法。而现有的融合方法不能根据遥感图像的性质进行调整,普遍存在空间信息丢失或光谱信息扭曲的缺点,导致融合结果的图像分辨率低,且部分色彩信息丢失,图像失真。
发明内容
本发明所要解决的技术问题是克服现有技术中存在的不足,提供一种基于IHS变换与自适应区域特征的遥感图像融合方法。
本发明是通过以下技术方案予以实现:
一种基于IHS变换与自适应区域特征的遥感图像融合方法,其特征在于,包括如下步骤:从数据库中选取对同一目标拍摄的一幅多光谱MS图像和一幅全色图PAN图像,作为待融合遥感图像;通过自适应区域特征对遥感图像进行修复及校正;将多光谱遥感图像的R、G、B三个波段转换到IHS空间,得到I、H、S三个分量;将所述全色图PAN图像与多光谱MS图像经IHS变换后得到的亮度分量I,在一定的融合规则下进行融合,得到新的融合分量I’,保持H和S分量不变;IHS反变换得到增强后的多光谱图像,通过所述融合分量I’,代替亮度分量,并同H、S分量图像一起转换到RGB空间,得到融合图像;对融合结果进行评价。
根据上述技术方案,优选地,所述“通过自适应区域特征对遥感图像进行修复及校正”中包括如下步骤:将待融合遥感图像作为输入图像;根据构成所述输入图像的像素值,确定待修复区域;将所述待修复区域决定为一个自适应区域,将所述输入图像分为多个自适应区域;计算每个自适应区域的点扩散函数;根据算出的所述点扩散函数,对位于代表像素之间的像素的点扩散函数进行插值;通过利用插值后的所述点扩散函数校正所述输入图像,生成输出图像。
根据上述技术方案,优选地,所述代表像素是代表多个自适应区域的每一个自适应区域的像素。
根据上述技术方案,优选地,所述“对融合结果进行评价”包括主观观察评价和客观定量评价。
根据上述技术方案,优选地,所述客观定量评价包括均值评价、均方根误差RMSE评价、熵评价、梯度评价以及相关系数评价。
本发明的有益效果是:
通过自适应区域特征对遥感图像进行修复及校正,避免了现有技术直接采用多光谱MS图像与全色图PAN图像进行融合时出现图像失真的问题,新的算法改善了传统方法空间信息丢失和光谱信息扭曲的缺点,本发明将自适应区域特征运用到遥感图像融合中时,得到的融合结果图像分辨率高,融合图像的评价参数高,对于改进和提升基于IHS变换的融合方法的性能具有极其重要的意义。
附图说明
图1是本发明的方法流程示意图。
具体实施方式
为了使本技术领域的技术人员更好地理解本发明的技术方案,下面结合附图和最佳实施例对本发明作进一步的详细说明。
如图所示,本发明包括如下步骤:从数据库中选取对同一目标拍摄的一幅多光谱MS图像和一幅全色图PAN图像,作为待融合遥感图像;通过自适应区域特征对遥感图像进行修复及校正;将多光谱遥感图像的R、G、B三个波段转换到IHS空间,得到I、H、S三个分量;将所述全色图PAN图像与多光谱MS图像经IHS变换后得到的亮度分量I,在一定的融合规则下进行融合,得到新的融合分量I’,保持H和S分量不变;IHS反变换得到增强后的多光谱图像,通过所述融合分量I’,代替亮度分量,并同H、S分量图像一起转换到RGB空间,得到融合图像;对融合结果进行评价。通过自适应区域特征对遥感图像进行修复及校正,避免了现有技术直接采用多光谱MS图像与全色图PAN图像进行融合时出现图像失真的问题,新的算法改善了传统方法空间信息丢失和光谱信息扭曲的缺点,本发明将自适应区域特征运用到遥感图像融合中时,得到的融合结果图像分辨率高,融合图像的评价参数高,对于改进和提升基于IHS变换的融合方法的性能具有极其重要的意义。
根据上述实施例,优选地,所述“通过自适应区域特征对遥感图像进行修复及校正”中包括如下步骤:将待融合遥感图像作为输入图像;根据构成所述输入图像的像素值,确定待修复区域;将所述待修复区域决定为一个自适应区域,将所述输入图像分为多个自适应区域;计算每个自适应区域的点扩散函数;根据算出的所述点扩散函数,对位于代表像素之间的像素的点扩散函数进行插值;通过利用插值后的所述点扩散函数校正所述输入图像,生成输出图像。
根据上述实施例,优选地,所述代表像素是代表多个自适应区域的每一个自适应区域的像素。
根据上述实施例,优选地,所述“对融合结果进行评价”包括主观观察评价和客观定量评价,遥感影像融合效果可以从主观视觉效果和客观数理统计分析的角度进行评价,从而实现全面评价影像质量,使得融合后的结果直接面向应用。
根据上述实施例,优选地,所述客观定量评价包括均值评价、均方根误差RMSE评价、熵评价、梯度评价以及相关系数评价。
(1)均值评价:均值为图像中像素的灰度平均值,对人眼反应为平均亮度,图像均值的计算公式为:
式中:Z表示图像的均值,Z(xi,yi)为图像在第i行、第j列的灰度值,M为图像的总行数,N为图像的总列数,i,j分别表示依次取的像素的行列号。
(2)均方根误差RMSE评价:用来评价融合图像与参考图像之间的差异程度。差异小,表示融合效果好,均方根误差计算公式为:
式中:RMSE表示均方根误差,R(xi,yi)为融合后图像在第i行,第j列的灰度值,F(xi,yj)为融合前图像在第i行,第j列的灰度值,M为图像的总行数,N为图像的总列数,i,j分别表示依次取的像素的行列号。
(3)熵评价:熵是衡量图像信息丰富程度的一个重要指标,可选用对图像求熵的方法进行信息量大小的评价,熵越大,图像所含的信息越丰富,图像质量越好,熵的计算公式为:
式中:E为图像的熵,L为图像的总灰度级,Pi表示灰度值为i的像素数Ni与图像总像素数N之比。
(4)梯度评价:梯度反应影像清晰度的大小,用G表示,G越大,图像越清晰。图像梯度的计算公式为:
式中:G表示图像梯度值,Z(xi,yj)为图像在第i行,第j列的灰度值,M为图像的总行数,N为图像的总列数,i,j分别表示依次取的像素的行列号δ表示对函数求偏微分。
(5)相关系数评价:相关系数反应了两幅图像的相关程度,通过比较融合前后图像的相关系数,得到多光谱影像的光谱信息改变程度。相关系数的计算公式为:
式中:P为相关系数,F(xi,yj)为融合前图像第i行、第j列的灰度值,A(xi,yj)为融合后图像第i行、第j列的灰度值,为融合前图像的均值,为融合后图像的均值,M为图像的总行数,N为图像的总列数。
本发明通过自适应区域特征对遥感图像进行修复及校正,避免了现有技术直接采用多光谱MS图像与全色图PAN图像进行融合时出现图像失真的问题,新的算法改善了传统方法空间信息丢失和光谱信息扭曲的缺点,本发明将自适应区域特征运用到遥感图像融合中时,得到的融合结果图像分辨率高,融合图像的评价参数高,对于改进和提升基于IHS变换的融合方法的性能具有极其重要的意义。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种基于IHS变换与自适应区域特征的遥感图像融合方法,其特征在于,包括如下步骤:从数据库中选取对同一目标拍摄的一幅多光谱MS图像和一幅全色图PAN图像,作为待融合遥感图像;通过自适应区域特征对遥感图像进行修复及校正;将多光谱遥感图像的R、G、B三个波段转换到IHS空间,得到I、H、S三个分量;将所述全色图PAN图像与多光谱MS图像经IHS变换后得到的亮度分量I,在一定的融合规则下进行融合,得到新的融合分量I’,保持H和S分量不变;IHS反变换得到增强后的多光谱图像,通过所述融合分量I’,代替亮度分量,并同H、S分量图像一起转换到RGB空间,得到融合图像;对融合结果进行评价。
2.根据权利要求1所述一种基于IHS变换与自适应区域特征的遥感图像融合方法,其特征在于,所述“通过自适应区域特征对遥感图像进行修复及校正”中包括如下步骤:将待融合遥感图像作为输入图像;根据构成所述输入图像的像素值,确定待修复区域;将所述待修复区域决定为一个自适应区域,将所述输入图像分为多个自适应区域;计算每个自适应区域的点扩散函数;根据算出的所述点扩散函数,对位于代表像素之间的像素的点扩散函数进行插值;通过利用插值后的所述点扩散函数校正所述输入图像,生成输出图像。
3.根据权利要求2所述一种基于IHS变换与自适应区域特征的遥感图像融合方法,其特征在于,所述代表像素是代表多个自适应区域的每一个自适应区域的像素。
4.根据权利要求3所述一种基于IHS变换与自适应区域特征的遥感图像融合方法,其特征在于,所述“对融合结果进行评价”包括主观观察评价和客观定量评价。
5.根据权利要求4所述一种基于IHS变换与自适应区域特征的遥感图像融合方法,其特征在于,所述客观定量评价包括均值评价、均方根误差RMSE评价、熵评价、梯度评价以及相关系数评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010196505.5A CN111476746A (zh) | 2020-03-19 | 2020-03-19 | 一种基于ihs变换与自适应区域特征的遥感图像融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010196505.5A CN111476746A (zh) | 2020-03-19 | 2020-03-19 | 一种基于ihs变换与自适应区域特征的遥感图像融合方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111476746A true CN111476746A (zh) | 2020-07-31 |
Family
ID=71747644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010196505.5A Pending CN111476746A (zh) | 2020-03-19 | 2020-03-19 | 一种基于ihs变换与自适应区域特征的遥感图像融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111476746A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112505776A (zh) * | 2020-10-29 | 2021-03-16 | 中国石油集团工程咨询有限责任公司 | 一种基于rgb-ihs多属性融合的色标调整方法 |
CN117058053A (zh) * | 2023-07-18 | 2023-11-14 | 珠江水利委员会珠江水利科学研究院 | 基于均值滤波的ihs空-谱融合方法、***、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102017607A (zh) * | 2009-02-25 | 2011-04-13 | 松下电器产业株式会社 | 图像校正装置以及图像校正方法 |
CN102063710A (zh) * | 2009-11-13 | 2011-05-18 | 烟台海岸带可持续发展研究所 | 一种遥感图像融合增强的实现方法 |
CN109447922A (zh) * | 2018-07-10 | 2019-03-08 | 中国资源卫星应用中心 | 一种改进的ihs变换遥感影像融合方法及*** |
-
2020
- 2020-03-19 CN CN202010196505.5A patent/CN111476746A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102017607A (zh) * | 2009-02-25 | 2011-04-13 | 松下电器产业株式会社 | 图像校正装置以及图像校正方法 |
CN102063710A (zh) * | 2009-11-13 | 2011-05-18 | 烟台海岸带可持续发展研究所 | 一种遥感图像融合增强的实现方法 |
CN109447922A (zh) * | 2018-07-10 | 2019-03-08 | 中国资源卫星应用中心 | 一种改进的ihs变换遥感影像融合方法及*** |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112505776A (zh) * | 2020-10-29 | 2021-03-16 | 中国石油集团工程咨询有限责任公司 | 一种基于rgb-ihs多属性融合的色标调整方法 |
CN112505776B (zh) * | 2020-10-29 | 2021-10-26 | 中国石油集团工程咨询有限责任公司 | 一种基于rgb-ihs多属性融合的色标调整方法 |
CN117058053A (zh) * | 2023-07-18 | 2023-11-14 | 珠江水利委员会珠江水利科学研究院 | 基于均值滤波的ihs空-谱融合方法、***、设备及介质 |
CN117058053B (zh) * | 2023-07-18 | 2024-04-05 | 珠江水利委员会珠江水利科学研究院 | 基于均值滤波的ihs空-谱融合方法、***、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110046673B (zh) | 基于多特征融合的无参考色调映射图像质量评价方法 | |
CN107123089B (zh) | 基于深度卷积网络的遥感图像超分辨重建方法及*** | |
Ma et al. | Perceptual evaluation of single image dehazing algorithms | |
CN109447922B (zh) | 一种改进的ihs变换遥感影像融合方法及*** | |
KR100944462B1 (ko) | 위성 영상 융합 방법 및 시스템 | |
CN106251320B (zh) | 基于联合稀疏与结构字典的遥感图像融合方法 | |
CN103489174B (zh) | 一种基于残差保持的人脸超分辨率方法 | |
CN111612725B (zh) | 一种基于可见光图像对比度增强的图像融合方法 | |
CN110363704B (zh) | 融合形态及色彩的图像超分辨率重建模型构建及重建方法 | |
CN113096029A (zh) | 基于多分支编解码器神经网络的高动态范围图像生成方法 | |
CN111476746A (zh) | 一种基于ihs变换与自适应区域特征的遥感图像融合方法 | |
US11488279B2 (en) | Image processing apparatus, image processing system, imaging apparatus, image processing method, and storage medium | |
CN112801904B (zh) | 一种基于卷积神经网络的混合退化图像增强方法 | |
Bi et al. | Haze removal for a single remote sensing image using low-rank and sparse prior | |
CN111415304A (zh) | 基于级联深度网络的水下视觉增强方法和装置 | |
Kapah et al. | Demosaicking using artificial neural networks | |
CN107220934A (zh) | 图像重建方法及装置 | |
CN107451608B (zh) | 基于多视幅度统计特性的sar图像无参考质量评价方法 | |
CN116883799A (zh) | 成分替换模型引导的高光谱图像深度空间光谱融合方法 | |
CN116630198A (zh) | 一种结合自适应伽马校正的多尺度融合水下图像增强方法 | |
CN113781375B (zh) | 一种基于多曝光融合的车载视觉增强方法 | |
CN116091312A (zh) | 一种低对比度图像联合增强和超分辨率重建方法 | |
Huang et al. | An end-to-end dehazing network with transitional convolution layer | |
CN115147311A (zh) | 基于HSV与AM-RetinexNet图像增强方法 | |
JP3899144B2 (ja) | 画像処理装置 |
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 |