[发明专利]基于空间概率PCA与NSCT的全色图像锐化方法

权利要求书

1.一种基于空间概率PCA与NSCT的全色图像锐化方法，包括以下步骤：

(1)输入源图像：分别读取多光谱图像MS和全色图像Pan；

(2)获得上采样多光谱LMS：利用图像缩放imresize函数，对多光谱图像MS进行上采样，得到上采样的多光谱图像LMS；

(3)构建关系矩阵：(3a)对上采样多光谱图像LMS进行相似结构块分割，(3b)利用欧氏距离构建关系矩阵；

(4)提取第一主成分PRPC1：应用空间概率PCA(PRPCA)，提取上采样多光谱图像LMS进行的第一主成分PRPC1；

(5)直方图匹配：将全色图像Pan与方差最大的成分PRPC1进行直方图匹配；

(6)非下采样轮廓小波(NSCT)分解：

(6a)利用NSCT分解方法，对方差最大的成分PRPC1进行NSCT分解，得到高低频数据；

(6b)利用NSCT分解方法，对匹配后的全色图像Pan进行NSCT分解，得到高低频数据；

(7)重构第一的主成分：

(7a)对于低频部分，直接选取第一主成分的低频部分；

(7b)对于高频部分,采用高频融合规则来重构第一主成分的高频部分；

(7c)使用NSCT反变换得到重构的第一主成分

(8)空间概率PCA反变换：利用空间概率PCA反变换，对重构的第一主成分与空间概率PCA提取的其他主成分进行空间概率PCA反变换，得到高分辨率的多光谱图像HMS；

(9)输出高分辨率的多光谱图像HMS。

2.根据权利要求1所述的基于空间概率PCA与NSCT的全色图像锐化方法，其特征在于，步骤(3a)、步骤(3b)中所述的矩阵低秩分解方法的具体步骤如下：

第一步，利用超像素分割(SLIC)对上采样多光谱图像LMS进行相似结构块分割，并利用reshape函数将其拉成向量；

第二步，利用下式，计算其关系矩阵Δ：

Δ=Σj=1n(LMSji-(LMSji)T)2]]>

其中，为超像素分割(SLIC)对上采样多光谱图像LMS分割的各个相似块向量，i＝1,2,...,m，m表示相同结构块的总数；j＝1,2,...,n，n表示一个相同结构块像素值总数，为向量的转置操作，表示开根号操作。

3.根据权利要求1所述的基于空间概率PCA与NSCT的全色图像锐化方法，其特征在于，步骤(7a)、步骤(7b)、步骤(7c)中所述的融合规则如下：

第一步，对于低频部分，我们直接选取第一主成分的低频部分；

第二步，对于高频部分，我们利用如下的高频融合规则来重构第一主成分的高频部分；

高频融合规则如下：

其中表示第i方向、第l尺度上位置(x,y)融合的高频系数，F表示融合的标识，表示第i方向、第l尺度上位置(x,y)第一主成分的高频系数，表示第i方向、第l尺度上位置(x,y)全色图像的高频系数，其中E_{PC1_block,l}ⁱ(x,y)与E_{Pan_block,l}ⁱ(x,y)为第一主成分的衡量标注其定义如下：

Eblock,li(x,y)=||Cli(x,y)||F2+Σm,n∈SM×N||Cli(x,y)-Cli(x+m,y+n)||F2·exp-||(x,y)-(x+m,y+n)||F2δ]]>

其中E_block,lⁱ(x,y)表示以位置(x,y)为中心第i方向、第l尺度的局部块能量；表示第i方向、第l尺度上位置(x,y)的高频系数；S_M×N区域窗口，在这我们设置窗口大小为3×3；为m,n表示变量；同样的表示以位置(x,y)为中心周围m×n区域的高频系数；表示周围m×n的区域到中心(x,y)位置关系，δ表示参数，其值为1，表示2范数操作；

第三步，使用NSCT反变换得到重构的第一主成分。