[发明专利]一种基于稀疏表示的遥感图像融合方法

摘要

一种基于稀疏表示的遥感图像融合方法，首先建立多光谱图像与其亮度分量之间的线性回归模型；其次利用训练的高、低分辨率字典分别对全色图像和多光谱图像进行稀疏表示，并根据线性回归模型获得多光谱图像亮度分量稀疏表示系数；然后根据全色图像和亮度分量的稀疏表示系数提取细节成分，并在通用分量替换融合框架下注入到多光谱图像各波段的稀疏表示系数中；最后进行图像复原得到高空间分辨率的多光谱图像。本发明将稀疏表示技术引入到遥感图像融合领域，克服了现有技术无法同时保持较高空间分辨率和光谱信息的缺陷，本发明的融合结果在光谱保持和空间分辨率提高方面优于传统的遥感图像融合方法。

主权项

一种基于稀疏表示的遥感图像融合方法，其特征在于，包括下列步骤: ①利用成像设备分别获得低分辨率多光谱图像和高分辨率全色图像； ②构建多光谱图像与亮度分量线性回归模型： 利用最小二乘法确定多光谱图像的各波段图像与多光谱图像亮度分量之间的线性关系。 ③训练高低分辨率字典对 选择一组细节信息丰富的高分辨率自然图像，并模拟图像退化过程获得相应低分辨率图像，利用基于图像特征字典对的方法对高分辨率图像和相应低分辨率图像进行字典学习，获得高低分辨率过完备字典； ④利用正交匹配追踪算法分别求解步骤①获得的低分辨多光谱图像各波段影像在低分辨率字典下的稀疏系数，以及高分辨率全色图像在高分辨率字典下的稀疏系数； ⑤利用步骤②获得的多光谱图像与亮度分量线性回归模型以及步骤④获得的低分辨率多光谱图像的稀疏系数求解低分辨率多光谱图像亮度分量的稀疏系数； ⑥利用步骤⑤获得的亮度分量的稀疏系数以及绝对值最大规则对步骤④获得的高分辨率全色图像的稀疏系数进行部分替换； ⑦利用步骤⑥获得的部分替换后的全色图像稀疏系数减去步骤⑤获得的亮度分量的稀疏系数，获得细节信息的稀疏系数； ⑧利用步骤④获得的低分辨率多光谱图像各波段的稀疏系数加上步骤⑦获得的细节信息稀疏系数，得到高分辨率多光谱图像的稀疏系数； ⑨重构高分辨率多光谱图像： 将高分辨率过完备字典与步骤⑧获得的高分辨率多光谱图像的稀疏系数相乘，得到列向量化的多光谱图像。