CN114331936B - 基于小波分解和改进ihs算法的遥感影像融合方法 - Google Patents

Abstract

本发明提供了一种基于小波分解和改进IHS算法的遥感影像融合方法，所述方法包括以下步骤：提取多光谱影像和高分辨率遥感影像的I分量，融合后通过高通滤波以及加权平算法处理得到融合I_new1分量，将融合I_new1分量和全色影像进行直方图匹配得到匹配后的融合I_new2分量，基于融合I_new2分量等进行HIS逆变换得到多光谱影像MI_2，然后利用小波分解的方法，得到一个全新的融合影像。本发明解决了因IHS变换导致融合后的影像光谱失真的问题，不但有效抑制了光谱退化现象，而且增加了融合图像的清晰度；同时，有效解决因高通滤波处理引起的影像亮度降低问题，能够增强图像的低频信息即图像整体亮度。

Description

基于小波分解和改进IHS算法的遥感影像融合方法

技术领域

本发明涉及遥感信息处理领域，具体的说，涉及了一种基于小波分解和改进IHS算法的遥感影像融合方法。

背景技术

近些年来遥感影像数据的***式增长以及高性能计算机的生产等，都为多元数据的融合提供基础，遥感数据融合为单一卫星影像难以同时达到多光谱和高分辨提供可能，为小区域地物识别、作物监测、精细农业监测等提供很好的依据。

目前遥感影像融合主要采用IHS变换、Brovery变换、主成分变换等方法来融合多光谱影像和全色影像。然而，现有融合多光谱方法存在：融合后的影像光谱失真、融合图像的清晰度不高等问题。

另外，各个年代的历史遥感影像作为地理国情监测的基础，对于研究海岸线变化、城乡比例变化、土地利用变化、植被变化和水系变化等发挥着关键作用；对于历史遥感影像，除上述问题外现有融合多光谱方法还存在：融合图像亮度低等问题。

为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。

发明内容

本发明的目的是针对现有技术的不足，从而提供一种基于小波分解和改进IHS算法的遥感影像融合方法。

为了实现上述目的，本发明所采用的技术方案是：

本发明第一方面提供一种基于小波分解和改进IHS算法的遥感影像融合方法，其特征在于，包括以下步骤：

获取同一区域的原多光谱影像MI_0、原高分辨影像HRI_0以及原全色影像PI_0；

对所述原多光谱影像MI_0进行重采样，得到目标多光谱影像MI_1；所述目标多光谱影像MI_1与所述原高分辨影像HRI_0的分辨率相同；

对所述目标多光谱影像MI_1进行IHS变换，获得多光谱I_h分量、多光谱H_h分量和多光谱S_h分量；

对所述原高分辨影像HRI_0进行IHS变换，得到高分辨I_m分量；

对所述多光谱I_h分量和所述高分辨I_m分量进行高通滤波处理，得到融合I_F分量；

对所述融合I_F分量和所述高分辨I_m分量进行加权平均处理，得到融合I_new1分量；

根据所述原全色影像PI_0模拟生成新全色影像PI_1，基于所述新全色影像PI_1对所述融合I_new1分量的影像直方图进行直方图匹配，得到匹配后的融合I_new2分量；

对所述融合I_new2分量、所述多光谱H_h分量和所述多光谱S_h分量进行IHS逆变换，得到IHS逆变换后的多光谱影像MI_2；

对所述多光谱影像MI_2进行小波变换，获得所述多光谱影像MI_2的高频分量和低频分量；对所述新全色影像PI_1进行小波变换，获得所述新全色影像PI_1的高频分量和低频分量；

对所述多光谱影像MI_2的高频分量和所述新全色影像PI_1的高频分量进行融合，得到融合高频分量；对所述多光谱影像MI_2的低频分量和所述新全色影像PI_1的低频分量进行融合，得到融合低频分量；

对所述融合高频分量和所述融合低频分量进行小波逆变换，得到融合后的遥感影像。

本发明第二方面提供一种基于小波分解和改进IHS算法的遥感影像融合设备，所述遥感影像融合设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的基于小波分解和改进IHS算法的遥感影像融合程序，所述基于小波分解和改进IHS算法的遥感影像融合程序被所述处理器执行时，实现如上述的基于小波分解和改进IHS算法的遥感影像融合方法的步骤。

本发明第三方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的基于小波分解和改进IHS算法的遥感影像融合方法的步骤。

本发明的有益效果为：

1)本发明能够快速有效地对遥感影像进行融合，通过对所述多光谱I_h分量和所述高分辨I_m分量进行高通滤波处理，解决了因IHS变换导致融合后的影像光谱失真的问题，改进后的方法不但有效抑制了光谱退化现象，而且增加了融合图像的清晰度；

接着，本发明利用直方图匹配和小波变换的方法，解决了因高通滤波处理引起的影像亮度降低的问题，能够有效地增强图像整体亮度，同时抑制高频信息中的噪声干扰；

2)本发明具有方法简单、融合效果好，适用于地物提取的遥感影像融合等优点。

附图说明

图1是本发明的基于小波分解和改进IHS算法的遥感影像融合方法的流程一；

图2是本发明的基于小波分解和改进IHS算法的遥感影像融合方法的流程二。

具体实施方式

下面通过具体实施方式，对本发明的技术方案做进一步的详细描述。

实施例1

如附图1和附图2所示，一种基于小波分解和改进IHS算法的遥感影像融合方法，它包括以下步骤：

获取同一区域的原多光谱影像MI_0、原高分辨影像HRI_0以及原全色影像PI_0；

对所述原多光谱影像MI_0进行重采样，得到目标多光谱影像MI_1；所述目标多光谱影像MI_1与所述原高分辨影像HRI_0的分辨率相同；

对所述目标多光谱影像MI_1进行IHS变换，获得多光谱I_h分量、多光谱H_h分量和多光谱S_h分量；

对所述原高分辨影像HRI_0进行IHS变换，得到高分辨I_m分量；

对所述多光谱I_h分量和所述高分辨I_m分量进行高通滤波处理，得到融合I_F分量；

对所述融合I_F分量和所述高分辨I_m分量进行加权平均处理，得到融合I_new1分量；

根据所述原全色影像PI_0模拟生成新全色影像PI_1，基于所述新全色影像PI_1对所述融合I_new1分量的影像直方图进行直方图匹配，得到匹配后的融合I_new2分量；

对所述融合I_new2分量、所述多光谱H_h分量和所述多光谱S_h分量进行IHS逆变换，得到IHS逆变换后的多光谱影像MI_2；

对所述多光谱影像MI_2进行小波变换，获得所述多光谱影像MI_2的高频分量和低频分量；对所述新全色影像PI_1进行小波变换，获得所述新全色影像PI_1的高频分量和低频分量；

对所述多光谱影像MI_2的高频分量和所述新全色影像PI_1的高频分量进行融合，得到融合高频分量；对所述多光谱影像MI_2的低频分量和所述新全色影像PI_1的低频分量进行融合，得到融合低频分量；

对所述融合高频分量和所述融合低频分量进行小波逆变换，得到融合后的遥感影像。

需要说明的是，针对多光谱影像的光谱较多但分辨率较低的特点、高分辨率遥感影像空间分辨率较高但波段范围单一的特点，本发明分别对其进行IHS变换，提取两种影像的I分量，融合后通过高通滤波以及加权平算法处理得到新的I分量(融合I_new1分量)，基于所述新全色影像PI_1对所述融合I_new1分量的影像直方图进行直方图匹配，得到匹配后的融合I_new2分量；再用所述融合I_new2分量替换多光谱遥感影像中的近似分量，然后进行IHS逆变换，从而对HIS进行改进。

具体的，原多光谱影像MI_0、原高分辨影像HRI_0以及原全色影像PI_0为同一区域的遥感影像，以MODIS影像为例，下载某一区域的多光谱遥感影像，通过谷歌地图等获取其全色影像以及高分辨率影像。

在一种具体实施方式中，利用双线性内插方法对所述原多光谱影像MI_0进行重采样，双线性插值是对线性插值在二维直角网格上的扩展，用于对双变量函数进行插值。其核心思想是在两个方向分别进行一次线性插值，本实施例在此不再赘述。

进一步的，对所述目标多光谱影像MI_1进行IHS变换，获得多光谱I_h分量、多光谱H_h分量和多光谱S_h分量时，采用以下公式：

其中，R_h、G_h、B_h分别为所述目标多光谱影像MI_1的红、绿、蓝三个谱段的图像灰度矩阵；多光谱I_h分量反应了所述目标多光谱影像MI_1的空间细节，多光谱H_h分量和多光谱S_h分量反应了所述目标多光谱影像MI_1的光谱信息，V_h1和V_h2为中间变量。

可以理解，对所述原高分辨影像HRI_0进行IHS变换，得到高分辨I_m分量时，采用的方法类似，本实施例在此不再赘述。

进一步的，对所述多光谱I_h分量和所述高分辨I_m分量进行高通滤波处理，得到融合I_F分量时，执行：

读取所述多光谱I_h分量，获得所述多光谱I_h分量中每一个像素(i,j)的灰度值G(I_h(i,j))；

读取所述高分辨I_m分量，获得所述高分辨I_m分量中每一个像素(i,j)的灰度值G(I_m(i,j))，以及以像素(i,j)为中心的m×n区域的灰度值平均值M(I_m(i,j,m,n))；

对于所述高分辨I_m分量中每一个像素(i,j)，以所述灰度值G(I_m(i,j))减去所述灰度值平均值M(I_m(i,j,m,n))，得到高频信息P_n(I_m(i,j))；其中，所述P_n(I_m(i,j))表示提取出的高分辨I_m分量中每一个像素(i,j)中的高频信息；

对于所述多光谱I_h分量中每一个像素(i,j)，对所述灰度值G(I_h(i,j))和所述高频信息P_n(I_m(i,j))进行叠加处理，得到空间域中滤波图像每一个像素(i,j)的灰度值G(I_F(i,j))；

基于空间域中滤波图像每一个像素(i,j)的灰度值G(I_F(i,j))，得到融合I_F分量。

可以理解，当遍历每一个像元后，得到域中滤波图像每一个像素(i,j)的灰度值G(I_F(i,j))，即可得到了一整张融合影像分量(融合I_F分量)。

需要说明的是，对所述多光谱I_h分量和所述高分辨I_m分量进行高通滤波处理时，提取出高分辨I_m分量的高频信息(细节信息)；然后，采用像元相加的方法，将提取出的高频信息(细节信息)叠加到多光谱I_h分量(低分辨率图像)上，从而在尽量保留低分辨率的多光谱图像的基础上加上高分辨率全色图像的细节信息，实现多光谱的低分辨率图像和高分辨率全色图像之间的数据融合，解决了因IHS变换导致融合后的影像光谱失真的问题，不但有效抑制了光谱退化现象，而且增加了融合图像的清晰度。

具体的，对于所述多光谱I_h分量中每一个像素(i,j)，对所述灰度值G(I_h(i,j))和所述高频信息P_n(I_m(i,j))进行叠加处理，得到空间域中滤波图像每一个像素(i,j)的灰度值G(I_F(i,j))时，采用以下公式：

G(I_F(i,j))＝G(I_n(i,j))+P_n(I_m(i,j))

P_n(I_m(i,j))＝G(I_m(i,j))-M(I_{m(i,j，m，n)})

其中，G(I_F(i,j))表示所述融合I_F分量中每一个像素(i,j)的灰度值，G(I_h(i,j))表示所述多光谱I_h分量中每一个像素(i,j)的灰度值，P_n(I_m(i,j))表示所述高分辨I_m分量中每一个像素(i,j)的高频信息；

G(I_m(i,j))表示所述高分辨I_m分量中每一个像素(i,j)的灰度值，M(I_m(i,j,m,n))表示在所述高分辨I_m分量中以像素(i,j)为中心的m×n区域的灰度平均值。

进一步的，对所述融合I_F分量和所述高分辨I_m分量进行加权平均处理，得到融合I_new1分量时，执行：

采用以下公式，得到融合I_new1分量：

I_new1＝w₁×I_m+w₂×I_F

w₂＝1-w₁

其中，I_new1表示对所述多光谱I_F分量和所述高分辨I_m分量进行加权平均处理后得到的I分量；I_m表示对所述原高分辨影像HRI_0进行IHS变换得到的I分量；I_F表示对所述多光谱I_h分量和所述高分辨I_m分量进行高通滤波处理后得到的I分量；w₁表示第一权重，w₂表示第二权重。

需要说明的是，对所述融合I_F分量和所述高分辨I_m分量进行加权平均处理，是为了不对所述融合I_F分量(源图像)进行任何变换，直接在融合I_F分量(源图像)基础上，对像素进行选择、平均、加权平均等处理后，融合得到一幅新图像(融合I_new1分量)。

具体的，所述第一权重w₁为所述高分辨I_m分量的权重，所述第二权重w₂为所述融合I_F分量的权重；通常的加权融合所针对的两幅图像地位较为平等，因此加权系数的和为1。本发明考虑到高分辨率图像所携带的空间信息比重极大，通过实验，本发明的w₁＝1，w₂＝0.2。

具体的，根据所述原全色影像PI_0模拟生成新全色影像PI_1时，采用以下公式：

其中，PAN_new表示新全色影像PI_1的全色谱段的图像灰度矩阵，R_p、G_p、B_p分别表示所述原全色影像PI_0的红、绿、蓝三个谱段的图像灰度矩阵，IR表示所述原全色影像PI_0的近红外谱段的图像灰度矩阵，PAN表示所述原全色影像PI_0的全色谱段的图像灰度矩阵。

进一步的，基于所述新全色影像PI_1对所述融合I_new1分量的影像直方图进行直方图匹配，得到匹配后的融合I_new2分量时，执行：

基于所述融合I_new1分量，获得融合I_new1分量的影像直方图，生成所述融合I_new1分量的影像直方图对应的连续概率密度函数p_r(r)；其中，r表示所述融合I_new1分量的影像直方图的灰度；

读取所述新全色影像PI_1的影像直方图，生成所述新全色影像PI_1的连续概率密度函数p_z(z)，z表示所述新全色影像PI_1的直方图的灰度；

基于所述连续概率密度函数p_r(r)，生成中间图像灰度级s；根据所述概率密度函数p_z(z)，生成变换函数G(z)；根据所述变换函数G(z)＝s的设定关系，得到所述新全色影像PI_1的直方图的灰度级z与所述融合I_new1分量的影像直方图的灰度级r之间的映射关系；

基于该映射关系对融合I_new1分量的影像直方图中的灰度值进行替换，获得匹配后的融合I_new2分量。

需要说明的是，基于所述新全色影像PI_1对所述融合I_new1分量的影像直方图进行直方图匹配，得到匹配后的融合I_new2分量；匹配后的融合I_new2分量消除了所述融合I_new1分量和所述新全色影像PI_1之间的光照强度差异，有效解决因高通滤波处理引起的影像亮度降低问题。

其中，中间图像灰度级s的计算公式为：

其中，s表示中间图像灰度级，w为假变量；

变换函数G(z)的计算公式为：

其中，t为假变量；

所述新全色影像PI_1的直方图的灰度级z与所述融合I_new1分量的影像直方图的灰度级r之间的映射关系，表示为：

z＝G^-1[T(r)]＝G^-1(s)

基于上式得到从r到z的变换关系，根据输入融合I_new1分量的影像直方图经过直方图匹配，最终可以得到融合I_new2分量(新的I分量)。

可以理解，所述融合I_new2分量为具有特定概率密度函数要求所对应的灰度值的图像。

进一步的，对所述融合I_new2分量、所述多光谱H_h分量和所述多光谱S_h分量进行IHS逆变换时，采用以下公式：

其中，R_{MI_2}、G_{MI_2}、B_{MI_2}分别为所述多光谱影像MI_2的红、绿、蓝三个谱段的图像灰度矩阵，基于R_{MI_2}、G_{MI_2}、B_{MI_2}得到IHS逆变换后的多光谱影像MI_2。

进一步的，对所述多光谱影像MI_2的高频分量和所述新全色影像PI_1的高频分量进行融合，得到融合高频分量时，执行：

获得所述多光谱影像MI_2的N层小波分解后的高频分量C_{N,HMI_2}，以及所述新全色影像PI_1的N层小波分解后的高频分量C_{N,HPI_1}；

对所述高频分量C_{N,HMI_2}和所述高频分量C_{N,HPI_1}进行加权平均后，得到融合高频分量C_N,HF。

进一步的，对所述多光谱影像MI_2的低频分量和所述新全色影像PI_1的低频分量进行融合，得到融合低频分量时，执行：

获得所述多光谱影像MI_2的N层小波分解后的低频分量C_{N,LMI_2}，以及所述新全色影像PI_1的N层小波分解后的低频分量C_{N,LPI_1}；

对所述低频分量C_{N,LMI_2}和所述低频分量C_{N,LPI_1}进行加权平均后，得到融合低频分量C_N,LF。

在一种具体实施方式中，分别对所述多光谱影像MI_2和所述新全色影像PI_1进行小波分解，得到高、低频分量，进而进行影像重构得到融合后的遥感影像，主要包括：

(1)选取合适的小波基以及分解层数，对所述多光谱影像MI_2和所述新全色影像PI_1(原始图像)进行多层小波分。采用MATLAB小波工具箱中的wavedec2函数来对图像进行小波分解，调用格式为[c,s]＝wavedec2(X,N,‘haar’),其中X表示原图像信号，N表示对信号进行N层分解，Haar是用来做小波变换的一个母函数，c为各层分解系数，s为各层分解系数长度；

(2)选择小波系数的融合规则

(a)小波高频系数融合规则：

融合高频分量为所述多光谱影像MI_2和所述新全色影像PI_1小波分解后的高频分量加权平均，即：

其中，C_N,HF表示所述多光谱影像MI_2和所述新全色影像PI_1分别经过N层小波分解及加权平均后的高频部分，即融合高频分量；C_{N,HMI_2}表示所述多光谱影像MI_2的N层小波分解后的高频分量，C_{N,HPI_1}表示新全色影像PI_1的N层小波分解后的高频分量；

(b)小波低频系数融合规则

融合低频分量为所述多光谱影像MI_2和所述新全色影像PI_1小波分解后的低频分量加权平均，即：

其中，C_N,LF表示所述多光谱影像MI_2和所述新全色影像PI_1分别经过N层小波分解及加权平均后的低频部分，即融合低频分量；C_{N,LMI_2}表示所述多光谱影像MI_2的N层小波分解后的低频分量，C_{N,LPI_1}表示新全色影像PI_1的N层小波分解后的低频分量。

需要说明的是，在最高分解层上，比较所述多光谱影像MI_2和所述新全色影像PI_1的3个方向高频分量的小波系数，取绝对值大的小波系数作为融合高频分量的小波系数；在中间分解层上，以像素中心局部区域(这里取3×3)的均值方差最大的(所述多光谱影像MI_2或者所述新全色影像PI_1的)小波系数作为融合高频分量对应的小波系数；从而将所述多光谱影像MI_2和所述新全色影像PI_1的全部信息集中到一部分具有大幅值的小波系数中。

可以理解，本发明中的所述多光谱影像MI_2和所述新全色影像PI_1的高频成分比较丰富，亮度、对比度比较高，上述小波高频系数融合规则，适合于获得精确的融合高频分量。

确定融合高频分量和融合低频分量后，进行逆小波变换，基于融合后的遥感影像的高、低频部分进行影像重构，得到最终输出的遥感影像。

实施例2

本实施例给出了一种基于小波分解和改进IHS算法的遥感影像融合设备，所述基于小波分解和改进IHS算法的遥感影像融合设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的基于小波分解和改进IHS算法的遥感影像融合程序，所述基于小波分解和改进IHS算法的遥感影像融合程序被所述处理器执行时实现如实施例1中的基于小波分解和改进IHS算法的遥感影像融合方法的步骤。

本实施例还给出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如实施例1中的基于小波分解和改进IHS算法的遥感影像融合的步骤。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，上述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

上述集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本发明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围当中。

Claims (8)

1.一种基于小波分解和改进IHS算法的遥感影像融合方法，其特征在于，包括以下步骤：

获取同一区域的原多光谱影像MI_0、原高分辨影像HRI_0以及原全色影像PI_0；

对所述原多光谱影像MI_0进行重采样，得到目标多光谱影像MI_1；所述目标多光谱影像MI_1与所述原高分辨影像HRI_0的分辨率相同；

对所述目标多光谱影像MI_1进行IHS变换，获得多光谱I_h分量、多光谱H_h分量和多光谱S_h分量；

对所述原高分辨影像HRI_0进行IHS变换，得到高分辨I_m分量；

对所述多光谱I_h分量和所述高分辨I_m分量进行高通滤波处理，得到融合I_F分量；

对所述融合I_F分量和所述高分辨I_m分量进行加权平均处理，得到融合I_new1分量；

根据所述原全色影像PI_0模拟生成新全色影像PI_1，基于所述新全色影像PI_1对所述融合I_new1分量的影像直方图进行直方图匹配，得到匹配后的融合I_new2分量；

对所述融合I_new2分量、所述多光谱H_h分量和所述多光谱S_h分量进行IHS逆变换，得到IHS逆变换后的多光谱影像MI_2；

对所述多光谱影像MI_2进行小波变换，获得所述多光谱影像MI_2的高频分量和低频分量；对所述新全色影像PI_1进行小波变换，获得所述新全色影像PI_1的高频分量和低频分量；

对所述多光谱影像MI_2的高频分量和所述新全色影像PI_1的高频分量进行融合，得到融合高频分量；对所述多光谱影像MI_2的低频分量和所述新全色影像PI_1的低频分量进行融合，得到融合低频分量；

对所述融合高频分量和所述融合低频分量进行小波逆变换，得到融合后的遥感影像。

2.根据权利要求1所述的基于小波分解和改进IHS算法的遥感影像融合方法，其特征在于，对所述多光谱I_h分量和所述高分辨I_m分量进行高通滤波处理，得到融合I_F分量时，执行：

读取所述多光谱I_h分量，获得所述多光谱I_h分量中每一个像素(i,j)的灰度值G(I_h(i,j))；

读取所述高分辨I_m分量，获得所述高分辨I_m分量中每一个像素(i,j)的灰度值G（I_m(i,j)），以及以像素(i,j)为中心的m×n区域的灰度值平均值M（I_m(i,j,m,n)）；

对于所述高分辨I_m分量中每一个像素(i,j)，以所述灰度值G(I_m(i,j))减去所述灰度值平均值M（I_m(i,j,m,n)），得到高频信息P_n(I_m(i,j))；其中，所述P_n(I_m(i,j))表示提取出的高分辨I_m分量中每一个像素(i,j)中的高频信息；

对于所述多光谱I_h分量中每一个像素(i,j)，对所述灰度值G(I_h(i,j))和所述高频信息P_n(I_m(i,j))进行叠加处理，得到空间域中滤波图像每一个像素(i,j)的灰度值G(I_F(i,j))；

基于空间域中滤波图像每一个像素(i,j)的灰度值G(I_F(i,j))，得到融合I_F分量。

3.根据权利要求1所述的基于小波分解和改进IHS算法的遥感影像融合方法，其特征在于，对所述融合I_F分量和所述高分辨I_m分量进行加权平均处理，得到融合I_new1分量时，执行：

采用以下公式，得到融合I_new1分量：

其中，I_new1表示对所述多光谱I_F分量和所述高分辨I_m分量进行加权平均处理后得到的I分量；I_m表示对所述原高分辨影像HRI_0进行IHS变换得到的I分量；I_F表示对所述多光谱I_h分量和所述高分辨I_m分量进行高通滤波处理后得到的I分量；w ₁ 表示第一权重，w ₂ 表示第二权重。

4.根据权利要求1所述的基于小波分解和改进IHS算法的遥感影像融合方法，其特征在于，基于所述新全色影像PI_1对所述融合I_new1分量的影像直方图进行直方图匹配，得到匹配后的融合I_new2分量时，执行：

基于所述融合I_new1分量，获得融合I_new1分量的影像直方图，生成所述融合I_new1分量的影像直方图对应的连续概率密度函数p_r(r)；

读取所述新全色影像PI_1，生成所述新全色影像PI_1的连续概率密度函数p_z(z)；

基于所述连续概率密度函数p_r(r)，生成中间图像灰度级s；根据所述概率密度函数p_z(z)，生成变换函数G(z)；根据所述变换函数G(z)=s的设定关系，得到所述新全色影像PI_1的直方图的灰度级z与所述融合I_new1分量的影像直方图的灰度级r之间的映射关系；

基于该映射关系对融合I_new1分量的影像直方图中的灰度值进行替换，获得匹配后的融合I_new2分量。

5.根据权利要求1所述的基于小波分解和改进IHS算法的遥感影像融合方法，其特征在于，对所述多光谱影像MI_2的高频分量和所述新全色影像PI_1的高频分量进行融合，得到融合高频分量时，执行：

获得所述多光谱影像MI_2的N层小波分解后的高频分量C_{N, HMI_2}，以及所述新全色影像PI_1的N层小波分解后的高频分量C_{N, HPI_1}；

对所述高频分量C_{N, HMI_2}和所述高频分量C_{N, HPI_1}进行加权平均后，得到融合高频分量C_{N, HF}。

6.根据权利要求1所述的基于小波分解和改进IHS算法的遥感影像融合方法，其特征在于，对所述多光谱影像MI_2的低频分量和所述新全色影像PI_1的低频分量进行融合，得到融合低频分量时，执行：

获得所述多光谱影像MI_2的N层小波分解后的低频分量C_{N, LMI_2}，以及所述新全色影像PI_1的N层小波分解后的低频分量C_{N, LPI_1}；

对所述低频分量C_{N, LMI_2}和所述低频分量C_{N, LPI_1}进行加权平均后，得到融合低频分量C_{N, LF}。

7.一种基于小波分解和改进IHS算法的遥感影像融合设备，其特征在于：包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的基于小波分解和改进IHS算法的遥感影像融合程序，所述基于小波分解和改进IHS算法的遥感影像融合程序被所述处理器执行时，实现如权利要求1-6任一项所述的基于小波分解和改进IHS算法的遥感影像融合方法的步骤。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-6任一项所述的基于小波分解和改进IHS算法的遥感影像融合方法的步骤。