本發(fā)明屬于遙感圖像處理與地理信息，具體涉及面向大場(chǎng)景衛(wèi)星遙感影像的自適應(yīng)空-譜配準(zhǔn)及融合方法。
背景技術(shù)：
1、高光譜遙感影像能夠在可見(jiàn)光、近紅外乃至更寬譜段范圍內(nèi)提供高維、連續(xù)的光譜信息，具有精細(xì)區(qū)分地物材料屬性、提升解譯精度等優(yōu)勢(shì)。然而，高光譜傳感器通常受制于能量與成像體制，其空間分辨率相對(duì)較低；相對(duì)地，全色影像具有更高的空間分辨率和更清晰的幾何細(xì)節(jié)，但光譜維度有限。為了同時(shí)獲得高空間分辨率與高光譜分辨率，工程上普遍需要將高光譜影像與全色影像進(jìn)行配準(zhǔn)并實(shí)施全色銳化/融合，從而生成兼具空間細(xì)節(jié)與光譜信息的融合影像。
2、現(xiàn)有的全色銳化與多源融合方法主要包括基于成分替換的ihs、pca、brovey、gram-schmidt及其自適應(yīng)形式（如gsa）、基于多分辨率分析的mra類方法，以及近年來(lái)的矩陣分解/低秩表示與張量表示方法（如非負(fù)矩陣分解、稀疏表示、低秩約束、耦合矩陣/張量分解）和深度學(xué)習(xí)方法（如卷積網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)、transformers等）；其中，成分替換與mra方法往往依賴模擬全色分量構(gòu)建與細(xì)節(jié)注入，結(jié)構(gòu)不一致時(shí)易產(chǎn)生光譜失真、亮度偏移與邊緣光暈，且對(duì)配準(zhǔn)誤差敏感，易出現(xiàn)重影與錯(cuò)位偽影；矩陣/張量分解方法通常需迭代優(yōu)化求解，計(jì)算復(fù)雜度高、參數(shù)敏感，在大場(chǎng)景影像下易造成耗時(shí)長(zhǎng)與部署成本高；深度學(xué)習(xí)方法雖在特定數(shù)據(jù)上可能取得較好視覺(jué)效果，但普遍存在訓(xùn)練數(shù)據(jù)與訓(xùn)練成本需求、跨傳感器/跨區(qū)域泛化不穩(wěn)定，以及對(duì)算力與運(yùn)行環(huán)境依賴較強(qiáng)等限制；因此，亟需一種面向大場(chǎng)景遙感影像的配準(zhǔn)與融合一體化技術(shù)方案，在無(wú)需訓(xùn)練、具備較強(qiáng)泛化性的前提下，相比矩陣/張量分解方法具有更高運(yùn)行效率，并在視覺(jué)效果與光譜保真度上優(yōu)于常規(guī)成分替換類方法。
3、此外，高光譜影像與全色影像屬于異源成像，二者在光譜響應(yīng)、對(duì)比度分布及紋理表現(xiàn)上存在差異，傳統(tǒng)基于灰度強(qiáng)度的一般特征點(diǎn)匹配方法在跨模態(tài)場(chǎng)景下容易出現(xiàn)匹配不穩(wěn)定、誤匹配增多、仿射模型估計(jì)不魯棒等問(wèn)題；在大幅寬、高分辨率影像（如上萬(wàn)至數(shù)萬(wàn)像素級(jí)）條件下，配準(zhǔn)與融合還面臨計(jì)算量大、內(nèi)存占用高、處理效率難以兼顧等工程挑戰(zhàn)。
4、因而，亟需一種能夠面向大場(chǎng)景遙感數(shù)據(jù)，利用結(jié)構(gòu)域信息提升跨模態(tài)配準(zhǔn)魯棒性，并在融合階段實(shí)現(xiàn)自適應(yīng)空-譜信息協(xié)同增強(qiáng)的配準(zhǔn)及融合一體化方法，以提高融合影像的空間細(xì)節(jié)表現(xiàn)與光譜保真度。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明的目的是解決現(xiàn)有空-譜特征融合方法中存在的面向大場(chǎng)景圖像運(yùn)行效率低、復(fù)雜場(chǎng)景適應(yīng)性不足的問(wèn)題，導(dǎo)致融合后光譜曲線偏移的問(wèn)題，而提出一種面向大場(chǎng)景衛(wèi)星遙感影像的自適應(yīng)空-譜配準(zhǔn)及融合方法。
2、一種面向大場(chǎng)景衛(wèi)星遙感影像的自適應(yīng)空-譜配準(zhǔn)及融合方法具體過(guò)程為：
3、步驟1、基于高光譜影像與全色影像，構(gòu)建偽全色參考表征；
4、步驟2、對(duì)步驟1獲取的全色影像依次進(jìn)行下采樣，得到第1次下采樣后的全色影像，第2次下采樣后的全色影像，第3次下采樣后的全色影像；
5、對(duì)步驟1得到偽全色參考表征依次進(jìn)行下采樣，得到第1次下采樣后的偽全色參考表征，第2次下采樣后的偽全色參考表征，第3次下采樣后的偽全色參考表征；
6、使用sift法對(duì)提取特征點(diǎn)，對(duì)提取的特征點(diǎn)使用flann方法進(jìn)行特征匹配，得到尺度時(shí)的匹配點(diǎn)對(duì)集合；基于匹配點(diǎn)對(duì)集合構(gòu)成尺度時(shí)的內(nèi)點(diǎn)集合；基于內(nèi)點(diǎn)集合求解尺度時(shí)的仿射模型；
7、使用sift法對(duì)提取特征點(diǎn)，對(duì)提取的特征點(diǎn)使用flann方法進(jìn)行特征匹配，得到尺度時(shí)的匹配點(diǎn)對(duì)集合；基于匹配點(diǎn)對(duì)集合構(gòu)成尺度時(shí)的內(nèi)點(diǎn)集合；基于內(nèi)點(diǎn)集合求解尺度時(shí)的仿射模型；
8、使用sift法對(duì)提取特征點(diǎn)，對(duì)提取的特征點(diǎn)使用flann方法進(jìn)行特征匹配，得到尺度時(shí)的匹配點(diǎn)對(duì)集合；基于匹配點(diǎn)對(duì)集合構(gòu)成尺度時(shí)的內(nèi)點(diǎn)集合；基于內(nèi)點(diǎn)集合求解尺度時(shí)的仿射模型；
9、基于尺度時(shí)的仿射模型與步驟1獲取的高光譜影像，獲得配準(zhǔn)后的上采樣高光譜影像；
10、步驟3、基于步驟2的配準(zhǔn)后的上采樣高光譜影像獲得偽全色影像；基于步驟2的配準(zhǔn)后的上采樣高光譜影像獲得中間變量，基于偽全色影像獲得中間變量；基于中間變量和，采樣最小二乘求解自適應(yīng)權(quán)重；對(duì)最優(yōu)自適應(yīng)權(quán)重執(zhí)行非負(fù)化及歸一化，得到非負(fù)化及歸一化后的權(quán)重；基于第個(gè)通道的非負(fù)化及歸一化后的權(quán)重，構(gòu)建模擬全色分量；
11、步驟4、將步驟2獲得的配準(zhǔn)后的上采樣高光譜影像分為塊，；
12、將步驟1獲得的全色影像分為對(duì)應(yīng)的塊，；
13、將步驟3獲得的模擬全色分量分為對(duì)應(yīng)的塊，；
14、計(jì)算全色影像中第塊和模擬全色分量中第塊的差值，得到空間細(xì)節(jié)項(xiàng)；基于空間細(xì)節(jié)項(xiàng)計(jì)算細(xì)節(jié)，基于細(xì)節(jié)和，得到各分塊融合結(jié)果；
15、將各分塊融合結(jié)果進(jìn)行拼接獲得大場(chǎng)景融合圖像。
16、本發(fā)明的有益效果為：
17、本發(fā)明的目的在于克服現(xiàn)有空－譜特征融合方法中存在的面向大場(chǎng)景圖像運(yùn)行效率低、復(fù)雜場(chǎng)景適應(yīng)性不足等問(wèn)題，提出一種面向大場(chǎng)景遙感影像的多尺度結(jié)構(gòu)域?qū)R與自適應(yīng)空-譜特征融合配準(zhǔn)及融合方法及插件，高效實(shí)現(xiàn)高光譜遙感圖像和全色遙感圖像融合，生成高光譜分辨率高空間分辨率的圖像，通過(guò)多元線性模型估計(jì)融合參數(shù)并提升融合前后光譜保真度與魯棒性。
18、本方法針對(duì)空-譜遙感圖像融合中泛用性低、運(yùn)行效率低、嚴(yán)重依賴絕對(duì)幾何配準(zhǔn)先驗(yàn)等問(wèn)題，提出了基于特征點(diǎn)提取的配準(zhǔn)方法、利用采樣求解最小二乘估計(jì)量的對(duì)gsa算法的自適應(yīng)權(quán)重求解方式進(jìn)行優(yōu)化的融合方法，在保證融合過(guò)程時(shí)效性的同時(shí)，相比傳統(tǒng)成分替換法提升了融合前后的光譜保真度與空間保真度。
19、為了驗(yàn)證本發(fā)明所提出算法的性能，針對(duì)高分2衛(wèi)星多光譜與全色圖像數(shù)據(jù)融合進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證明了本發(fā)明提出的面向大場(chǎng)景遙感影像的多尺度結(jié)構(gòu)域?qū)R與自適應(yīng)空-譜特征融合配準(zhǔn)及融合方法的有效性。
1.一種面向大場(chǎng)景衛(wèi)星遙感影像的自適應(yīng)空-譜配準(zhǔn)及融合方法，其特征在于：所述方法具體過(guò)程為：
2.根據(jù)權(quán)利要求1所述的一種面向大場(chǎng)景衛(wèi)星遙感影像的自適應(yīng)空-譜配準(zhǔn)及融合方法，其特征在于：所述步驟1中基于高光譜影像與全色影像，構(gòu)建偽全色參考表征；
3.根據(jù)權(quán)利要求2所述的一種面向大場(chǎng)景衛(wèi)星遙感影像的自適應(yīng)空-譜配準(zhǔn)及融合方法，其特征在于：所述步驟2中對(duì)步驟1獲取的全色影像依次進(jìn)行下采樣，得到第1次下采樣后的全色影像，第2次下采樣后的全色影像，第3次下采樣后的全色影像；
4.根據(jù)權(quán)利要求3所述的一種面向大場(chǎng)景衛(wèi)星遙感影像的自適應(yīng)空-譜配準(zhǔn)及融合方法，其特征在于：所述步驟26中的求解過(guò)程為；
5.根據(jù)權(quán)利要求4所述的一種面向大場(chǎng)景衛(wèi)星遙感影像的自適應(yīng)空-譜配準(zhǔn)及融合方法，其特征在于：所述步驟28中的求解過(guò)程為：
6.根據(jù)權(quán)利要求5所述的一種面向大場(chǎng)景衛(wèi)星遙感影像的自適應(yīng)空-譜配準(zhǔn)及融合方法，其特征在于：所述步驟210中的求解過(guò)程為：
7.根據(jù)權(quán)利要求6所述的一種面向大場(chǎng)景衛(wèi)星遙感影像的自適應(yīng)空-譜配準(zhǔn)及融合方法，其特征在于：所述步驟3中基于步驟2的配準(zhǔn)后的上采樣高光譜影像獲得偽全色影像；基于步驟2的配準(zhǔn)后的上采樣高光譜影像獲得中間變量，基于偽全色影像獲得中間變量；基于中間變量和，采樣最小二乘求解自適應(yīng)權(quán)重；對(duì)最優(yōu)自適應(yīng)權(quán)重執(zhí)行非負(fù)化及歸一化，得到非負(fù)化及歸一化后的權(quán)重；基于第個(gè)通道的非負(fù)化及歸一化后的權(quán)重，構(gòu)建模擬全色分量；
8.根據(jù)權(quán)利要求7所述的一種面向大場(chǎng)景衛(wèi)星遙感影像的自適應(yīng)空-譜配準(zhǔn)及融合方法，其特征在于：所述步驟35中基于第個(gè)通道的非負(fù)化及歸一化后的權(quán)重，構(gòu)建模擬全色分量；表示為：
9.根據(jù)權(quán)利要求8所述的一種面向大場(chǎng)景衛(wèi)星遙感影像的自適應(yīng)空-譜配準(zhǔn)及融合方法，其特征在于：所述步驟4中將步驟2獲得的配準(zhǔn)后的上采樣高光譜影像分為塊，；
10.根據(jù)權(quán)利要求9所述的一種面向大場(chǎng)景衛(wèi)星遙感影像的自適應(yīng)空-譜配準(zhǔn)及融合方法，其特征在于：所述步驟42中計(jì)算全色影像中第塊和模擬全色分量中第塊的差值，得到空間細(xì)節(jié)項(xiàng)；基于空間細(xì)節(jié)項(xiàng)計(jì)算細(xì)節(jié)，基于細(xì)節(jié)和，得到各分塊融合結(jié)果；