本發明專利技術公開了一種基于矩陣低秩分解的多光譜圖像和全色圖像融合方法，主要解決現有多光譜圖像和全色圖像融合中高光譜分辨率信息丟失的問題。其實現步驟為：（1）對輸入已配準的4幅多光譜圖像進行插值使其與全色圖像具有相同的像素;(2)將插值后多光譜圖像全部拉成列按照順序依次堆疊構成大數據矩陣；（3）利用矩陣低秩分解算法對大數據矩陣分解得到低秩矩陣和稀疏矩陣；（4）利用標準主成分分析融合算法對低秩矩陣和全色圖像進行融合得到初步的粗略融合結果；（5）將稀疏矩陣加至粗略融合結果得到最終的多光譜融合圖像。本發明專利技術能有效解決高光譜分辨率信息丟失的問題，獲取清晰的圖像，可用于多光譜圖像的預處理。
【技術實現步驟摘要】
本專利技術屬于圖像處理
，涉及圖像融合技術，具體地說是一種結合了矩陣低秩分解理論的多光譜圖像和全色圖像融合方法，可用于多光譜圖像的預處理。
技術介紹
多光譜圖像與全色圖像的融合是利用它們在時空上的相關性及信息上的互補性把具有低空間分辨率、高光譜分辨率的多光譜圖像和具有高空間分辨率、低光譜分辨率的全色圖像進行綜合，使融合后多光譜圖像具有較高空間分辨率，又同時保留高光譜分辨率，從而得到對景物更全面、清晰的描述。傳統的多光譜圖像與全色圖像融合算法包括格拉姆-施密特正交化方法、亮度-色調-色飽和度方法等。這些方法計算量小，原理簡單，已經被廣泛地應用到多光譜圖像與全色圖像融合上，但是這些方法沒有利用多光譜圖像自身特點，無法有效保留高光譜 分辨率信息。針對上述傳統的多光譜圖像與全色圖像融合算法效果較差，在實際應用中不能很好地實現的問題，目前國際上提出了一些改進上述缺點的算法。如，P. s. Chavez, J. S. Sides和J. A. Anderson提出一種主成分分析的方法，是多光譜圖像與全色圖像融合中非常經典的算法，具體參見〈〈Comparison of Three Different Methods to Merge Multiresolutionand Multispectral Data: Landsat TM and SPOT Panchromatic)) PH0T0GRAMMETRICENGINEERING & REMOTE SENSING, Vol. 57，No. 3，Marchl991, pp. 295-303。這種方法將全色圖像直接替換掉多光譜圖像的低空間分辨率信息從而得到融合的多光譜圖像。這種方法速度快，比較靈活，但由于缺乏自適應性，而會造成高光譜分辨率信息的丟失；此后，Τ. M. Tu等人提出一種廣義亮度-色調-色飽和度的方法，具體參見《A Fast Intensity-Hue -Saturation Fusion Technique With Spectral Adjustment for IK0N0S Imagery》IEEEGEOSCIENCE AND REMOTE SENSING LETTERS, VOL. I, NO. 4，pp. 309-312. 0CT0BER2004.這種方法將傳統只適用于三波段多光譜圖像的亮度-色調-色飽和度方法推廣到多波段的多光譜圖像上，并采用固定的模型參數，由于模型參數被固定而造成光譜信息失真。
技術實現思路
本專利技術的目的在于針對上述已有技術的不足，提出了一種，以保留較多的高光譜分辨率信息，提高融合圖像的效果。實現本專利技術目的的技術方案包括如下步驟(I)輸入已配準的大小為mXn的4幅多光譜圖像MS11,MS12,MS13,MS14，輸入I幅大小為4mX4n全色圖像PAN ；(2)利用matlab軟件中的imresize函數對4幅多光譜圖像MS11, MS12, MS13, MS14進行插值，得到與全色圖像PAN相同像素的多光譜圖像MS1/，MV，MV，MS14'；(3)將插值后的4幅多光譜圖像MS11' ,MS12' ,MS13' ,MS1/全部拉成列，按順序依次排列構成大數據矩陣X e R(^4n)X4,其中R(4-x4n)x4表示行數為4mX4n，列數為4的2維整數型矩陣；(4)通過低秩分解算法對大數據矩陣X進行低秩分解，得到低秩矩陣L e R(4mx4n)x4和稀疏矩陣SG e R(4nx4n)x4，其中低秩矩陣L表示4幅多光譜圖像中的低空間分辨率信息，稀疏矩陣SG表示4幅多光譜圖像中的高光譜分辨率信息； (5)利用標準主成分分析融合算法對低秩矩陣L和全色圖像PAN進行融合，得到4幅初步的粗略融合結果MSh/ ,MSh2' ,MSh3/ ,MSh4/ ;(6)利用matlab軟件中的reshape函數,將步驟(4)得到的稀疏矩陣SG的每一列還原成大小為4mX4n的圖像,得到4幅高光譜分辨率圖像Sgi, i = I, 2,. . . , 4 ；(7)將步驟(6)得到的4幅高光譜分辨率圖像Sgi, i = 1,2,...,4,與步驟(5)得 到的粗略融合結果MSh/，MSh2' ,MSh3/ ,MSh4/進行相加，得到最終的4幅融合多光譜圖像MShl，MSh2, MSh3, MSh4。本專利技術與現有的技術相比具有以下優點本專利技術由于在標準主成分分析融合方法的基礎上引入了矩陣低秩分解，與傳統的融合方法相比，充分利用了多光譜圖像時空上的相關性及信息上的互補性，保留了更多的高光譜分辨率信息。仿真實驗表明，本專利技術能有效保留多光譜圖像中的高光譜分辨率信息，同時獲得較好的視覺效果。附圖說明圖I是本專利技術的流程圖；圖2是本專利技術在仿真試驗中應用的4幅多光譜圖像；圖3是本專利技術在仿真試驗中應用的I幅全色圖像；圖4是本專利技術在仿真試驗中應用的4幅參考多光譜圖像；圖5是用本專利技術對圖2和圖3進行融合的結果圖；圖6是用現有的廣義亮度-色調-色飽和度方法對圖2和圖3進行融合的結果圖；圖7是用現有的標準主成分分析方法對圖2和圖3進行融合的結果圖。具體實施例方式參照圖1，本專利技術的具體實施步驟如下步驟I、利用matlab軟件中的imresize命令對輸入已配準的4幅多光譜圖像MS11,1^12，1^13，1^14進行插值，得到與全色圖像PAN相同像素的多光譜圖像MS1/ ,MS1^ ,MS13/，MS14;。上述輸入已配準的4幅多光譜圖像MS11，MS12, MS13, MS14對應多光譜圖像4個不同的波段，其中，圖像MS11對應多光譜圖像的紅色波段，圖像MS12對應多光譜圖像的綠色波段，圖像MS13對應多光譜圖像的藍色波段，圖像MS14對應多光譜圖像的近紅外波段。步驟2、將插值后多光譜圖像MS11' ,MS12' ,MS13' ,MS1/全部拉成列并按順序依次排列構成大數據矩陣X e R(^4n)X4,其中表示行數為4mX4n，列數為4的2維整數型矩陣。步驟3、通過低秩分解算法對大數據矩陣X進行低秩分解，得到低秩矩陣L e R(4mx4n)x4 和稀疏矩陣 SG e R(4mx4n)x40上述的低秩分解方法，是由T. Y. Zhou和D. C. Tao提出的，參見文獻《GoDec:Randomized Low-rank & Sparse Matrix Decomposition in Noisy Case》Proceedings of the 28th International Conference on Machine Learning, 2011,具體操作如下3a)初始化迭代次數t=0,迭代誤差ε為O. 0001 ;3b)設t=t+l,利用matlab軟件中的randn函數生成隨機高斯矩陣A,按照如下公 式得到3個中間變量矩陣P1=XXA,P2=XtXP1,P3=XXP2,其中，(·)τ操作表示矩陣轉置操作；3c)計算第t次迭代中的低秩矩陣Lt和中間變量矩陣St Lt=P3X (P1tXP3)-1P21,St=Pfi IX-Lj ,其中，(·)<表示矩陣求逆操作，ΡΩ(·)表示取(·)中最大的前Ω個數值，Ω取值為 262144 ；3d)根據步驟3本文檔來自技高網...
【技術保護點】
一種基于矩陣低秩分解的多光譜圖像和全色圖像融合方法，包括如下步驟：(1)輸入已配準的大小為m×n的4幅多光譜圖像MSl1，MSl2，MSl3，MSl4，輸入1幅大小為4m×4n全色圖像PAN；(2)利用matlab軟件中的imresize函數對4幅多光譜圖像MSl1，MSl2，MSl3，MSl4進行插值，得到與全色圖像PAN相同像素的多光譜圖像MSl1′，MSl2′，MSl3′，MSl4′；(3)將插值后的4幅多光譜圖像MSl1′，MSl2′，MSl3′，MSl4′全部拉成列，按順序依次排列構成大數據矩陣X∈R(4m×4n)×4，其中R(4m×4n)×4表示行數為4m×4n，列數為4的2維整數型矩陣；(4)通過低秩分解算法對大數據矩陣X進行低秩分解，得到低秩矩陣L∈R(4m×4n)×4和稀疏矩陣SG∈R(4m×4n)×4，其中低秩矩陣L表示4幅多光譜圖像中的低空間分辨率信息，稀疏矩陣SG表示4幅多光譜圖像中的高光譜分辨率信息；(5)利用標準主成分分析融合算法對低秩矩陣L和全色圖像PAN進行融合，得到4幅初步的粗略融合結果MSh1′，MSh2′，MSh3′，MSh4′；(6)利用matlab軟件中的reshape函數，將步驟(4)得到的稀疏矩陣SG的每一列還原成大小為4m×4n的圖像，得到4幅高光譜分辨率圖像sgi，i＝1,2,...,4；(7)將步驟(6)得到的4幅高光譜分辨率圖像sgi，i＝1,2,...,4,與步驟(5)得到的粗略融合結果MSh1′，MSh2′，MSh3′，MSh4′進行相加，得到最終的4幅融合多光譜圖像MSh1，MSh2，MSh3，MSh4。...
【技術特征摘要】
1.ー種基于矩陣低秩分解的多光譜圖像和全色圖像融合方法，包括如下步驟 (1)輸入已配準的大小為HiXn的4幅多光譜圖像MS11,MS12,MS13,MS14，輸入I幅大小為4mX4n全色圖像PAN ； (2)利用matIab軟件中的imresize函數對4幅多光譜圖像MS11,MS12, MS13, MS14進行插值，得到與全色圖像PAN相同像素的多光譜圖像MS1/，MS12'，MS13' ,MS14'； (3)將插值后的4幅多光譜圖像MS11'，MS12'，MS13',MS1/全部拉成列，按順序依次排列構成大數據矩陣X e R(4mx4n)x4,其中R(^4n)X4表示行數為4mX4n，列數為4的2維整數型矩陣； (4)通過低秩分解算法對大數據矩陣X進行低秩分解，得到低秩矩陣Le R(4M4n) X4和稀疏矩陣SG e R(4nx4n)x4，其中低秩矩陣L表示4幅多光譜圖像中的低空間分辨率信息，稀疏矩陣SG表示4幅多光譜圖像中的高光譜分辨率信息； (5)利用標準主成分分析融合算法對低秩矩陣L和全色圖像PAN進行融合，得到4幅初步的粗略融合結果MShノ，MSh2' ,MSh3/ ,MSh4/ ； (6)利用matlab軟件中的reshape函數,將步驟(4)得到的稀疏矩陣SG的姆一列還原成大小為4mX4n的圖像,得到4幅高光譜分辨率圖像Sgi, i = I, 2,. . . , 4 ； (7)將步驟(6)得到的4幅高光譜分辨率圖像sgi，i= 1，2，. . .，4，與步驟(5)得到的粗略融合結果MShl'，MSh2' ,MSh3/ ,MSh...
【專利技術屬性】
技術研發人員：戎凱旋，李婷婷，王爽，劉芳，季佩媛，張小華，侯彪，
申請(專利權)人：西安電子科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。