基于图拉普拉斯的高光谱图像和红外图像融合方法

摘要

本发明公开了一种基于图拉普拉斯的将高光谱图像和红外图像进行融合的方法，包括：利用局部核岭回归对高光谱图像h与融合图像f在局部区域进行非线性回归；构造能量使得融合图像f保持红外图像l的近似信息；构造全局目标函数以同时保持高光谱图像h的低维流形信息和红外图像l的近似信息；以及利用共轭梯度法优化该全局目标函数，实现高光谱图像h和红外图像l的融合。利用本发明，使融合图像能够结合高光谱图像和红外图像各自的特点，既具有高光谱图像的多谱段信息，又具有红外图像的近似信息。

主权项

一种基于图拉普拉斯的将高光谱图像和红外图像进行融合的方法，其特征在于，包括：利用局部核岭回归对高光谱图像h与融合图像f在局部区域进行非线性回归；构造能量使得融合图像f保持红外图像l的近似信息；构造全局目标函数以同时保持高光谱图像h的低维流形信息和红外图像l的近似信息；以及利用共轭梯度法优化该全局目标函数，实现高光谱图像h和红外图像l的融合；其中，所述利用局部核岭回归对高光谱图像h与融合图像f在局部区域进行非线性回归，是利用图拉普拉斯模型对高光谱图像h与融合图像f进行流形正则化；所述利用图拉普拉斯模型对高光谱图像h与融合图像f进行流形正则化，包括：利用基于局部核岭回归的图拉普拉斯模型在高光谱图像h和融合图像f之间构造局部非线性映射，并通过最小化局部正则化回归误差构造高光谱图像h与融合图像f之间的全局的二次拉普拉斯回归误差；所述利用基于局部核岭回归的图拉普拉斯模型在高光谱图像h和融合图像f之间构造局部非线性映射，包括：假设高光谱图像h和融合图像f在局部区域N_i存在如下非线性映射关系：j∈N_i，式中：N_i表示窗口i内的所有像元，h_j表示高光谱图像h在像元j的光谱特征，f_j表示融合图像f在像元j的光谱值，φ表示隐式的非映射函数，w_i、b_i表示在局部窗口i内非线性映射函数的参数；所述通过最小化局部正则化回归误差构造高光谱图像h与融合图像f之间的全局的二次拉普拉斯回归误差，包括：局部正则化的二次回归误差如下：上式分别对w_i、b_i求导并令求导结果为0，可求得w_i和b_i，再将w_i和b_i代入上式中，可求得局部正则化的二次回归误差为：式中，f_i表示融合图像f在局部窗口i内所有像元N_i组成的列向量，L_i为局部拉普拉斯矩阵，其定义为：式中，H_i为中心化矩阵，λ为正则化参数，I为单位矩阵，是局部核矩阵K_i的归一化矩阵局部核矩阵K_i中的元素定义为K_i(i，j)＝<φ(h_i)，φ(h_j)>，其中<>表示对其中的内容进行内积运算；通过对所有局部正则化的二次回归误差和可得到全局误差为：式中，L为拉普拉斯矩阵；由此，利用局部核岭回归模型得到的全局误差具有二次拉普拉斯表示形式，最小化全局误差E就能够实现融合图像与高光谱图像之间的流形正则化；所述构造能量使得融合图像f保持红外图像l的近似信息，是通过构造如下能量使得融合图像f保持红外图像l的近似信息：式中，为滤波操作算子，k为高斯滤波核，l为红外图像；所述构造全局目标函数以同时保持高光谱图像h的低维流形信息和红外图像l的近似信息，是通过构造如下全局目标函数同时保持高光谱图像h的低维流形信息和红外图像l的近似信息：式中，β为权重系数，L为拉普拉斯矩阵，k为高斯滤波核；所述利用共轭梯度法优化全局目标函数，是通过下式优化全局目标函数：(L+βK^TK)f＝βK^Tl，式中，K为滤波核k的矩阵表示形式，L为拉普拉斯矩阵，β为权重系数。