[发明专利]一种基于空谱融合网络的多光谱图像全色锐化方法及系统

说明书

本发明属于图像处理技术领域，提供了一种基于空谱融合网络的多光谱图像全色锐化方法及系统。该方法包括：步骤(1)：获取低空间分辨率的多光谱图像和高空间分辨率的全色图像；步骤(2)：将低空间分辨率的多光谱图像经过光谱信息提取网络进行逐级的信息提取；步骤(3)：将高空间分辨率的全色图像经过空间信息提取网络进行逐级的信息提取；步骤(4)：将每级光谱信息提取网络提取的多光谱图像特征图与每级空间信息提取网络提取的全色图像特征图取平均值，得到的平均值与融合网络逐层得到的特征图进行堆叠和卷积操作，最终得到高空间分辨率多光谱图像。

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于空谱融合网络的多光谱图像全色锐化方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

多光谱图像已经被很好的应用在环境监测、矿业和农业。由于传感器的硬件限制，光学遥感卫星通常只能测量一些低分辨率多光谱图像(LRMS)和高分辨率全色图像(PAN)。一般来说，灰度全色图像的特点是其拥有高空间分辨率并且其光谱分辨率较低，相反彩色多光谱图像的光谱分辨率很高但空间分辨率较低。图像融合技术可以将空间和光谱信息整合到全色图像和多光谱图像中，从而生成具有高空间分辨率和高光谱分辨率的遥感图像。锐化的目的是将光谱和空间信息融合在一起，以生成与全色图像大小相同的高分辨率多光谱图像。全色锐化在遥感图像处理任务中非常重要，在分割、分类、目标检测等应用中通常作为预处理步骤。在过去的时间里，各种全色锐化算法被提出来解决全色锐化这个问题。

目前，多光谱图像与全色图像融合技术主要可以分为两类：一类是利用成分替换(CS)。它包括在合适的域中转换MS图像，在该域中，成分之一被高分辨率PAN图像替换。在对其他成分进行上采样之后，整个集合将在原始域中进行逆变换。显然，PAN与被替换的成分相关性越高，引入的失真就越少。一个简单而快速的过程是基于强度-色相饱和度(IHS)变换的，只有在三个频段可用时才能使用。但是，可以定义一个通用的IHS变换(GIHS)，其中包括近红外(NIR)波段的响应。其他方法使用主成分分析(PCA)，Brovey变换和Gram-Schmidt光谱锐化。尽管这些技术准确地保留了空间信息，但是由于PAN和MS分量是在仅部分重叠的光谱范围内采集的，因此它们通常具有高光谱失真的特征。

另一种方法是将从全色图像中提取的高频细节信息注入多光谱图像的上采样版本中。通常基于细节注入的方法比基于成分替换的方法具有更好的光谱保真度。它们在如何从PAN提取空间细节以及如何将其注入MS中有所不同。这些方法依赖于具有移动不变性特征的冗余表示，例如Trous小波变换(ATWT)或拉普拉斯金字塔(LP)。

因此，针对现有技术中存在的不同，亟需要一种能够获取准确空间和光谱信息的多光谱图像全色锐化方法及系统。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种基于空谱融合网络的多光谱图像全色锐化方法及系统，其将逐级得到的空间信息和光谱信息使用能够逐像素取平均的融合块进行融合，从而更精确的合成特征图，获得准确的空间和光谱信息。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于空谱融合网络的多光谱图像全色锐化方法。

一种基于空谱融合网络的多光谱图像全色锐化方法，包括：

步骤(1)：获取低空间分辨率的多光谱图像和高空间分辨率的全色图像；

步骤(2)：将低空间分辨率的多光谱图像经过光谱信息提取网络进行逐级的信息提取；

步骤(3)：将高空间分辨率的全色图像经过空间信息提取网络进行逐级的信息提取；