基于線性貝葉斯估計(jì)的高分辨率遙感圖像融合方法
【專利摘要】本發(fā)明屬于遙感圖像處理【技術(shù)領(lǐng)域】，具體為一種基于線性貝葉斯估計(jì)的高分辨率遙感圖像融合方法。該方法引入高分辨率多光譜圖像和低分辨率多光譜圖像之間的觀測(cè)模型，以及高分辨率多光譜圖像和全色圖像之間的觀測(cè)模型，并將上述兩個(gè)觀測(cè)模型聯(lián)立成一個(gè)貝葉斯線性模型。通過應(yīng)用貝葉斯高斯-馬爾科夫定理，得到線性最小均方誤差意義上的高分辨率多光譜圖像的估計(jì)。本發(fā)明不僅能夠增強(qiáng)空間細(xì)節(jié)，而且很好地保持了光譜特性，其性能優(yōu)于傳統(tǒng)的HIS方法、PCA方法和小波變換方法以及現(xiàn)存的基于統(tǒng)計(jì)參數(shù)估計(jì)的Nishii方法和Hardie方法。新方法可為改善遙感圖像的目視判讀精度，提高信息清晰度和可靠性上提供新的有效的技術(shù)支持。
【專利說明】基于線性貝葉斯估計(jì)的高分辨率遙感圖像融合方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于遙感圖像處理【技術(shù)領(lǐng)域】，具體涉及一種基于線性貝葉斯估計(jì)的高分辨率遙感圖像融合方法。
【背景技術(shù)】
[0002]由于遙感傳感器設(shè)計(jì)的限制，遙感圖像一般在空間分辨率和光譜分辨率之間進(jìn)行折衷，具有高的光譜分辨率的圖像一般不具備高的空間分辨率，反之亦然。例如，LandsatETM+傳感器提供的就是6幅30m空間分辨率的多光譜波段圖像和一幅15m空間分辨率的全色波段圖像。在實(shí)際應(yīng)用中，那些同時(shí)具有高的空間分辨率和高的光譜分辨率的圖像能夠有效地提高解譯和分類的精度，因此不同分辨率的遙感圖像的融合成為研究的熱點(diǎn)，尤其是低分辨率的多光譜圖像和高分辨率的全色波段圖像的融合。一般來說，融合后的圖像既要求保留多光譜圖像的光譜特性，又要求融入全色圖像的空間信息。
[0003]目前常見的融合方法有HIS方法、PCA方法以及小波變換方法。HIS方法和PCA方法常常顯著地改變?cè)喙庾V圖像的光譜特性，而小波變換方法對(duì)于分解層次和小波基的選擇比較敏感，并且會(huì)因操作人員的不同，而有不同的融合效果。
[0004]近年來，基于統(tǒng)計(jì)參數(shù)估計(jì)的方法開始應(yīng)用于遙感圖像的融合中。Nishii等假設(shè)高分辨率多光譜圖像和全色圖像的概率分布服從聯(lián)合高斯分布，用條件均值作為估計(jì)。Hardie等在上述聯(lián)合高斯分布假設(shè)的基礎(chǔ)上引入了高分辨率多光譜圖像和低分辨率多光譜圖像之間的觀測(cè)模型，得到了最大后驗(yàn)概率(MAP)意義上的估計(jì)。Nishii方法和Hardie方法在低分辨率多光譜圖像和全色圖像相關(guān)性不強(qiáng)的時(shí)候，難以融入全色圖像的空間信肩、O
[0005]針對(duì)以上問題，在遙感圖像融合的研究中，在增強(qiáng)空間細(xì)節(jié)的同時(shí)很好地保持光譜特性，以及保證算法的魯棒性成為目前研究的熱點(diǎn)。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的是提出一種基于線性貝葉斯估計(jì)的高分辨率遙感圖像融合方法，以解決傳統(tǒng)的基于統(tǒng)計(jì)參數(shù)估計(jì)方法依賴于多光譜圖像和全色圖像相關(guān)系數(shù)的問題，增強(qiáng)空間細(xì)節(jié)，保持光譜特性。
[0007]本發(fā)明提出的基于線性貝葉斯估計(jì)的高分辨率遙感圖像融合方法，具體步驟如下:
[0008]引入高分辨率多光譜圖像和低分辨率多光譜圖像之間的觀測(cè)模型，以及高分辨率多光譜圖像和全色圖像之間的觀測(cè)模型，并將上述兩個(gè)觀測(cè)模型聯(lián)立成一個(gè)貝葉斯線性模型；應(yīng)用貝葉斯高斯-馬爾科夫定理，計(jì)算得到線性最小均方誤差(LMMSE)意義上的高分辨率多光譜圖像的估計(jì)。
[0009]下面對(duì)各步驟作進(jìn)一步具體描述。
[0010]1、引入觀測(cè)模型[0011]假設(shè)同一地區(qū)分別被低分辨率的多光譜波段傳感器和高分辨率的全色波段傳感器拍攝到，所謂圖像分辨率是指圖像中每個(gè)像素覆蓋地面的范圍，圖像分辨率的高低是個(gè)相對(duì)的概念，根據(jù)需要可具體劃分。全色圖像按照如下方式排列成一維的列矢量
[0012]
【權(quán)利要求】
1.一種基于線性貝葉斯估計(jì)的高分辨率遙感圖像融合方法，其特征在于引入高分辨率多光譜圖像和低分辨率多光譜圖像之間的觀測(cè)模型，以及高分辨率多光譜圖像和全色圖像之間的觀基于線性貝葉斯估計(jì)的高分辨率遙感圖像融合方法測(cè)模型，并將上述兩個(gè)觀測(cè)模型聯(lián)立成一個(gè)貝葉斯線性模型；應(yīng)用貝葉斯高斯-馬爾科夫基于線性貝葉斯估計(jì)的高分辨率遙感圖像融合方法定理，計(jì)算得到線性最小均方誤差LMMSE意義上的高分辨率多光譜圖像的估計(jì)?；诰€性貝葉斯估計(jì)的高分辨率遙感圖像融合方法。
2.基于線性貝葉斯估計(jì)的高分辨率遙感圖像融合方法根據(jù)權(quán)利要求1所述的基于線性貝葉斯估計(jì)的高分辨率遙感圖像融合方法，其特征在于:基于線性貝葉斯估計(jì)的高分辨率遙感圖像融合方法所述的高分辨率多光譜圖像和低分辨率多光譜圖像之間的觀測(cè)模型如下:基于線性貝葉斯估計(jì)的高分辨率遙感圖像融合方法 y = Hz+U (4) 其中U是隨機(jī)噪聲，它的均值是零，協(xié)方差矩陣是Cu，且與Z是不相關(guān)的；H矩陣表示低基于線性貝葉斯估計(jì)的高分辨率遙感圖像融合方法通濾波和降采樣過程；y為低分辨率的多光譜圖像排成一維的列矢量: 其中yj表示低分辨率的多光譜圖像在空間位置j上的像素值(有K個(gè)波段，yj = [yj，l，yj2，…，yjK]T)，而M是低分辨率多光譜圖像的像素?cái)?shù)目；z為高分辨率的多光譜圖像排成一維的列矢量: 其中Zi表示高分辨率的多光譜圖像在空間位置i上的像素值(有K個(gè)波段，zi= [zi，I, zi, 2,…，zi，K]T)，N是高分辨率多光譜圖像的像素?cái)?shù)目； 所述高分辨率多光譜圖像和全色圖像之間的觀測(cè)模型如下: X = GTz+V (5) 其中V是隨機(jī)噪聲，它的均值為零，協(xié)方差矩陣是Cv，且與z是不相關(guān)的；G矩陣表示對(duì)高分辨率多光譜圖像的K個(gè)波段做加權(quán)平均，權(quán)重因子如下所示 其中ccl表示全色圖像與低分辨率多光譜圖像的第I波段的相關(guān)系數(shù)；x為全色圖像排成的一維矢量: X = [xl, x2,…，xi，..., xN]T (I) 其中xi表示全色圖像在空間位置i上的像素值，而N是全色圖像的像素?cái)?shù)目； 觀測(cè)模型(4)和(5)按照如下的形式聯(lián)立成一個(gè)貝葉斯線性模型。
3.根據(jù)權(quán)利要求2所述的基于線性貝葉斯估計(jì)的高分辨率遙感圖像融合方法，其特征在于高分辨率多光譜圖像的估計(jì)式如下: 其中，E(z)和Cz分別為高分辨率多光譜圖像的均值的協(xié)方差，它們由各個(gè)像素的均值和協(xié)方差組成，具體如下所示: E(z) = [E(zl)T，E(z2)T，—, E(zi)T, —, E(zN)T] (13)
[C O …O 'c_ 0 C*::.(14)
x_:*...0
O …O Ckm 其中E(z)是使用雙線性插值(B)后的多光譜圖像，具體為:E(z) = B(y) (15) 為了估計(jì)Cz，用矢量量化算法對(duì)上述矢量E(zi)根據(jù)歐式距離進(jìn)行分類，計(jì)算每一類矢量集的協(xié)方差矩陣，并把它作為類中各矢量對(duì)應(yīng)的協(xié)方差矩陣；式(12)中的E(y)的估計(jì)是通過對(duì)插值圖像低通濾波和降采樣(H)得到的: E(y) = H(E(z)) = H(B(y)) (16) 而E(x)的估計(jì)是通過對(duì)全色圖像進(jìn)行低通濾波和降采樣，然后再雙線性插值得到的: E(X) = B (H (X )) (17) ο
【文檔編號(hào)】G01S17/89GK103576164SQ201210253275
【公開日】2014年2月12日 申請(qǐng)日期:2012年7月20日 優(yōu)先權(quán)日:2012年7月20日
【發(fā)明者】王飛 申請(qǐng)人:上海萊凱數(shù)碼科技有限公司