自适应权重注入机制遥感图像融合

发布时间：2021-01-27 09:28

　　目的遥感图像融合是将一幅高空间分辨率的全色图像和对应场景的低空间分辨率的多光谱图像,融合成一幅在光谱和空间两方面都具有高分辨率的多光谱图像。为了使融合结果在保持较高空间分辨率的同时减轻光谱失真现象,提出了自适应的权重注入机制,并针对上采样图像降质使先验信息变得不精确的问题,提出了通道梯度约束和光谱关系校正约束。方法使用变分法处理遥感图像融合问题。考虑传感器的物理特性,使用自适应的权重注入机制向多光谱图像各波段注入不同的空间信息,以处理多光谱图像波段间的差异,避免向多光谱图像中注入过多的空间信息导致光谱失真。考虑到上采样的图像是降质的,采用局部光谱一致性约束和通道梯度约束作为先验信息的约束,基于图像退化模型,使用光谱关系校正约束更精确地保持融合结果的波段间关系。结果在Geoeye和Pleiades卫星数据上同6种表现优异的算法进行对比实验,本文提出的模型在2个卫星数据上除了相关系数CC（correlation coefficient）和光谱角映射SAM（spectral angle mapper）评价指标表现不够稳定,偶尔为次优值外,在相对全局误差ERGAS（erreur relativ... 

【文章来源】：中国图象图形学报. 2020,25(03)北大核心

【文章页数】：12 页

【部分图文】：

图4的客观评价结果

以图1为例，wavelet算法的结果(图1(c))在物体边缘出现伪影，图像整体有点模糊，但光谱信息保持较好，没有明显的光谱失真现象，这与多分辨率分析法的特点一致。GLP＿R的结果(图1(d))在边缘清晰，空间分辨率有明显提高，具有明显的成分替代法的优点，但是在某些区域，比如植被区域的颜色信息保持不够，会出现明显的光谱失真现象。joint IHS算法的结果(图1(e))在空间细节上保持得足够好，但整幅图像都出现了显而易见的颜色失真，尤其在绿色植被区域，说明固定的权重系数未能体现该场景的特征。P+XS的结果(图1(f))存在明显的过度锐化和光谱失真现象，说明P+XS算法中固定的权重系数向融合结果中注入了过多的空间信息。NIHS的结果(图1(g))在物体边缘存在明显的块状阴影，如在建筑物和沙滩边缘可以明显看到块状阴影，但整体细节和光谱都保持得不错。引导滤波的结果(图1(h))虽然光谱信息保持得不错，没有明显的光谱失真的现象，但图像整体过于平滑，细节损失较多，具有明显的多分辨率分析的缺点。本文方法的结果(图1(i))在光谱和空间细节方面都表现得不错，既没有因为注入过多空间信息出现较大程度的光谱失真现象，也不存在边缘伪影情况，图像整体的空间分辨率有较大程度的提高。对于Geoeye卫星数据(如图3和图4所示)，展现结果具有的特点与上述分析基本相同。图2 Pleadies实验图像及实验结果(第2组)

Pleadies实验图像及实验结果(第2组)

【参考文献】：
期刊论文
[1]小波变换和稀疏表示相结合的遥感图像融合[J]. 刘婷,程建.  中国图象图形学报. 2013(08)
[2]基于2代Curvelet改进IHS变换的遥感图像融合[J]. 蒋年德,王耀南,毛建旭.  中国图象图形学报. 2008(12)



本文编号：3002821