[发明专利]基于梯度加权的自适应SFIM图像融合算法

说明书

本发明提供了一种基于梯度加权的自适应SFIM图像融合算法，首先求解全色图像的梯度，然后使用梯度的统计信息确定自适应的滤波窗口大小；同时利用图像像素点的梯度值构建加权滤波器，进而使用该滤波器获得滤波图像；最后使用SFIM算法的融合方法融合图像。本发明比原始的SFIM算法中均值滤波器的设计更合理，整体质量较高，在空间分辨率提高和光谱信息保持两个方面达到更好的平衡，主观评价和客观分析结果能够达到一致，而且在光谱信息保持和空间信息提高方面都优于his_dwt算法，得到的融合图像可视性更好，图片更清晰。

技术领域

本发明涉及图像处理领域的图像融合，特别是涉及一种图像融合中SFIM算法的滤波器设计。

背景技术

遥感图像融合是近年来遥感图像处理领域热门研究内容之一。其中，利用高空间分辨率全色图像PAN(Panchromatic image)和低空间分辨率多光谱图像MS(Multi-spectral images)进行融合产生高分辨率多光谱图像是其中一个重要研究方向。国内外学者提出了很多经典融合方法，例如主成分分析(PCA)变换融合、HIS变换融合、高通滤波融合、小波变换融合和Brovey变换融合等。在遥感图像后期应用中，空间信息和光谱信息都有很重要的作用。基于PCA变换的融合光谱信息保持较好，但空间细节信息增加较少。基于HIS变换、Brovey变换和高通滤波变换的融合空间信息增加丰富，但光谱失真比较严重，其中，高通滤波融合如果滤波器选择不好，效果会比较差。小波变换融合具有良好的空间和光谱保持能力，但是小波基的选择比较困难，而且计算比较复杂。基于亮度平滑滤波调节SFIM(Smoothing Filter-based Intensity Modulation,基于平滑滤波的亮度调制)(文献1“LIU J G.Smoothing filter-based intensity modulation：A spectral preserveimage fusion technique for improving spatial details[J].International Journalof Remote Sensing，2000，21(18)：3461—3472.”)的方法是2000年由J.G.Liu提出的一种空谱结合的融合方法。SFIM融合过程简单，计算复杂度比较小，和一些经典算法相比，具有较好的效果；但SFIM融合后图像空间分辨率改善不多，光谱存在一定失真。

发明内容

为了克服现有技术的不足，本发明提供一种基于梯度加权平滑滤波的自适应SFIM变换算法，对SFIM变换融合算法进行改进，通过实验结果验证，融合效果有改进，在尽量保持多光谱信息的同时，提高了融合后图像的空间细节信息。

本发明解决其技术问题所采用的技术方案包括以下步骤：

(1)对输入的全色图像PAN进行边缘像素的扩展，对扩展后的图像计算其梯度图，像素点(i，j)处对应的梯度值其中，像素点(i，j)在x方向的偏导数像素点(i，j)在y方向的偏导数f(i，j)为全色图像任意像素点(i，j)处的灰度值；

(2)根据计算的梯度图确定滤波器窗口大小，具体步骤如下：

①对G(i，j)中对应全色图像的像素部分进行处理，得到

②根据coef确定基本参数进而根据基本参数d确定滤波器窗口的大小N＝2d+1；

(3)以像素点(i,j)为中心，在大小为N*N的窗口内，定义滤波器权重矩阵其中任意位置的权重值s,t为整数且在[-d，d]取值；

(4)利用滤波器权重矩阵对全色图像进行梯度加权平滑滤波，计算像素点(i，j)的滤波输出值其中，P_high(i,j)表示全色图像中像素点(i，j)的像素值；将P_mean代入SFIM融合算法计算融合图像P_low表示任意波段的多光谱图像，P_mean表示对全色图像P_high滤波后的图像。