[发明专利]基于平移评价优选的光谱图像数据融合方法

说明书

技术领域

本发明属于超光谱图像数据融合技术领域，主要涉及光谱图像数据立方体融合成一幅伪彩色图像的融合方法，尤其涉及一种多幅窄带光谱图像数据融合成一幅易于人眼识别的伪彩色图像的融合方法。

背景技术

超光谱成像传感器基于成像光谱技术，同时获取被探测场景的空间二维和光谱信息。任何物质，由于组成成分、物理和化学性质的不同，其光谱特性存在着差异。利用这种差异可以对物质进行调查和鉴别，已经在遥感、地质、环境等领域得到广泛应用。

超光谱成像传感器获取的原始光谱数据立方体数据量大，很难被终端用户直接使用，实际使用过程中必须经过融合处理，得到简单直观有效的融合结果。针对不同的应用环境和使用目的，人们提出了不同的光谱数据融合方法，通过监督或非监督分类、光谱目标异常检测等方法，得到最终的融合目标数据、光谱曲线、灰度图像、伪彩色图像等。其中伪彩色图像显示是最为直观有效的方法，利用色彩表示目标的光谱属性，颜色的形状和大小反映目标的空间属性。

《Journal of Information Fusion》在2000年发表了一篇《AConcurrent Spectral-Screening PCT Algorithm for Remote Sensing Application》论文，文章中提出将光谱数据立方体进行主成分变换，将得到的三大主分量分配给对色颜色空间的亮度通道、红绿通道、黄蓝通道，再转换到0～255范围的RGB颜色空间进行映射显示。

《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》2003年发表了一篇《Principal-Components-Based Display Strategy for Spectral Imagery》论文，文章中提出将主成分变换得到的三大主分量转换到HSV颜色空间，即将第一主分量赋给V通道，将第三主分量和第二主分量的夹角值赋给H通道，将第三主分量和第二主分量的平方根除以第一主分量的值赋给S通道，最后将HVS颜色空间转换到RGB颜色空间进行显示。

上述融合方法将PCA变换的主分量转换到RGB颜色空间后，数值压缩至0～255范围进行映射，融合图像的整体亮度偏暗，每个颜色通道的不同目标背景间的灰度差异变小、对比度较低，存在相似光谱目标特别是真假目标的显示结果颜色区分度差，不易区别的缺陷。

发明内容

针对现有技术存在的问题，本发明提供一种基于平移评价优选的光谱图像数据融合方法，以提高融合图像对比度和颜色色彩区分度。

本发明的技术方案为：

一、所述一种基于平移评价优选的光谱图像数据融合方法，其特征在于：包括以下步骤：

步骤1：载入数据矩阵：读取光谱数据立方体，并整合成二维数据矩阵X(i,j)，其中i＝1、2、…、P,j＝1、2、…、L，P为图像的像素数，其值等于图像高度H与图像宽度W的乘积，L为光谱波段数；

步骤2：数据矩阵像素分类获取类矩阵：对数据矩阵X(i,j)的像素向量X(i,:)＝[X(i,1)X(i,2)...X(i,L)]进行分类，从每类像素向量中提取一个像素向量构成类矩阵Y(k,j)，其中i＝1、2、…、P,j＝1、2、…、L，k＝1、2、…、P_c，P_c为像素向量分类后的类数；

步骤3：类矩阵主成分变换获取降维数据矩阵：利用类矩阵Y(k,j)光谱维主成分变换得到的降维投影矩阵T_n(j,n)，投影变换数据矩阵X(i,j)的光谱向量X(:,j)＝[X(1,j)X(2,j)...X(P,j)]^T，得到降维数据矩阵X_n(i,n)，其中k＝1、2、…、P_c；j＝1、2、…、L，n＝1、2、3，i＝1、2、…、P；

步骤4：降维数据矩阵经过对色空间转换到sRGB颜色空间，得到R通道颜色分量数据R_s(:)、G通道颜色分量数据G_s(:)、B通道颜色分量数据B_s(:)；