[发明专利]一种全色多光谱影像融合方法及装置

说明书

本发明公开了一种全色多光谱影像融合方法及装置，该方法包括：获取全色影像数据和多光谱影像数据；利用全色影像数据和多光谱影像数据，计算自适应最优高斯滤波参数；利用自适应最优高斯滤波参数，构造高斯滤波核；利用高斯滤波核对全色影像数据进行降质，得到降质全色影像数据；将多光谱影像数据上采样至全色尺度，得到全色尺度多光谱影像数据；利用比值法融合降质全色影像数据和全色尺度多光谱影像数据，得到全色多光谱影像融合数据。本发明方法通过自适应高斯滤波降质的方式获取清晰度与多光谱影像保持一致的降质全色影像，保留高分辨率图像的边缘细节信息，消除光谱与对比度信息，融合结果具有较好的色彩保持能力。

技术领域

本发明属于遥感图像处理领域，尤其涉及一种全色多光谱影像融合方法及装置。

背景技术

由于硬件条件的限制，光学遥感相机无法获取同时具备高空间分辨率、高光谱分辨率的遥感影像。现在主流卫星的设计方式都是空谱分离，即以全色影像(Pan)主要存储空间信息，以多光谱影像(Mss)主要存储光谱信息，这样即可以在硬件设计指标的最大范围之内获取尽可能多的信息。这一限制也形成了光学遥感影像空谱分离的特点。

但是在地面应用的时候，对遥感影像的分辨率，包括空间分辨率与光谱分辨率的追求没有极限。如何在硬件受限的情况下获取同时具备高空间分辨率与高光谱分辨率的影像一直是研究的热点。针对这个问题，结合遥感影像空谱分离的特点，发展了一大批优秀的融合算法。目前影像融合的方法也大致可以分为两类，一类是多分辨率分析，二是成分变换方法。多分辨率分析方法利用多尺度分解的方法通过全色影像来锐化多光谱影像，典型的方法有Brovey，SFIM(smoothing filter-based intensity modulation)，NBU_PanSharp，Wavelets等。成分变换方法的一般可以分为三步，1)将多光谱转换到另一空间，2)利用全色影像替换信息量最丰富的分量，3)逆变换得到融合影像。典型的成分变换方法包括HIS、GS、PCA等。

在这些方法中，SFIM算法由于其计算效率高，融合效果好一直受到人们的青睐。但是SFIM算法出现的比较早，主要针对全色多光谱尺度差异是4倍的影像所研发。其在最新卫星上进行应用的时候虽然具有良好的光谱信息保持能力，但是其空间信息融入度较差。其原因主要在于新发射的遥感卫星的全色多光谱尺度差异较为丰富，除了常见的4倍差异之外，还有2.7倍(资源三号)，8倍(高分六号)等，在利用SFIM方法进行融合的时候，固定滤波核对于不同尺度的遥感影像的高频信息并未被完全滤除，导致影像的融合结果效果不好，使得融合影像产生偏色、模糊失真等情况。

发明内容

为了适应不同全色多光谱尺度差异的卫星影像融合，本发明针对性地提出了一种自适应高斯滤波的全色多光谱影像融合方法及装置。本发明方法能够自适应地处理不同尺度差异的全色多光谱影像，滤除全色影像中的空间信息，以确保在做比值变换的时候与多光谱影像中的清晰度保持一致，并且不受全色多光谱尺度差异的影响，能够自适应地完成不同尺度差异的全色多光谱影像的融合。

为了解决上述技术问题，本发明实施例第一方面公开了一种全色多光谱影像融合方法，所述方法包括：

S1，获取全色影像数据和多光谱影像数据，所述多光谱影像数据包括N个波段数据，N为大于等于3的正整数；

S2，利用所述全色影像数据和多光谱影像数据，计算自适应最优高斯滤波参数；

S3，利用所述自适应最优高斯滤波参数，进行数据处理，得到高斯滤波核；

S4，利用所述高斯滤波核对所述全色影像数据进行降质，得到降质全色影像数据；

S5,将所述多光谱影像数据上采样至全色尺度，得到全色尺度多光谱影像数据；

S6,利用比值法融合所述降质全色影像数据和所述全色尺度多光谱影像数据，得到全色多光谱影像融合数据。