基于非负稀疏矩阵的WorldView‑2遥感全色与多光谱图像融合方法

摘要

本发明提供了一种基于非负稀疏矩阵的WorldView‑2遥感全色与多光谱图像融合方法，涉及图像融合领域，通过使用一种非负矩阵分解算法对多光谱图像进行亮度分量提取，然后使用HCS变换对图像进行融合，得到融合图像，在细节注入和光谱保持方面都得到了一定的提升，最终得到了高质量的融合结果，由于对I分量的提取采用了NMF方法，提高了亮度分量的提取精度，较对比算法更合理，使得WV‑2卫星融合图像整体质量较高，在细节信息融入和光谱保持方面都有一定的提高，主观评价和客观分析结果能够达到一致，得到的融合图像可视性更好，图片更清晰。较传统的遥感全色与多光谱图像融合方法更有优势。

主权项

一种基于非负稀疏矩阵的WorldView‑2遥感全色与多光谱图像融合方法，其特征在于包括下述步骤：步骤1.使用非负矩阵分解法提取I分量首先，将全色图像Pan和八波段的多光谱图像X₁，X₂，…，X₈按行拉直，得到P，M₁，M₂，…，M₈向量，再按公式(1)组成待分解矩阵V，即V＝[P，M₁，M₂，...，M₈]          (1)其中，P，M₁，M₂，…，M₈分别为全色图像Pan及八波段多光谱图像X₁，X₂，…，X₈运算时将图像矩阵拉成相应的列向量；其次，再令[P，M₁，M₂，...，M₈]＝WH               (2)其中W为n*r矩阵，n为矩阵W的行数，r为矩阵W的列数，H为r*9矩阵，分解后W为一个列向量，将W恢复成图像矩阵即所得到的I分量；步骤2.使用Pan分量匹配I分量令P′²＝(Pan)²               (3)其中Pan为全色图像，即用P′变量代替Pan变量，然后，以下公式即使用P′²分量匹配步骤1所得的I²分量：$P^{\prime \prime 2}=\frac{{\sigma }_0}{{\sigma }_1}(P^{\prime 2}-{\mu }_1+{\sigma }_1)+{\mu }_0-{\sigma }_0---\left(4\right)$其中μ₀、σ₀分别为I²的均值和标准方差，μ₁、σ₁分别为P′²的均值和标准方差，P″²为匹配后的I²分量；$I_{adj}=\sqrt{P^{\prime \prime 2}}---\left(5\right)$用I_adj分量代替P″分量来表示匹配后的I分量；步骤3.使用超球面彩色空间分辨率融合HCS变换最终得到新的八波段分量首先，对八波段的多光谱图像X₁，X₂，...，X₈进行HCS正变换得到相应的角度分量φ1，φ2，...，φ7，HCS正变换如下：${\phi }_1=\arctan \left(\frac{\sqrt{{X_8}^2+{X_7}^2+\mathrm{...}+{X_2}^2}}{X_1}\right)$${\phi }_6=\arctan \left(\frac{\sqrt{{X_8}^2+{X_7}^2}}{X_6}\right)$${\phi }_7=\arctan \left(\frac{X_8}{X_7}\right)---\left(6\right)$其次，对步骤2求得的匹配后的I分量I_adj和角度分量φ1，φ2，...，φ7做HCS反变换得到新的八波段分量X′₁，X′₂，…，X′₈，HCS反变换如下：X′₁＝I_adjcosφ₁X₂′＝I_adjsinφ₁cosφ₂X₇′＝I_adj sinφ₁sinφ₂...sinφ₆cosφ₇X₈′＝I_adjsinφ₁sinφ₂...sinφ₆sinφ₇                (7)步骤4.各波段融合选取步骤3中X′₁，X′₂，…，X′₈中任意三个波段进行融合，即将三波段图像直接放入RGB三通道中，即可得到融合图像。