主权项 |
一种自适应独立信息遥感影像融合方法,利用子带分解和独立成分分析来实现遥感影像全色波段和多光谱波段融合,包括如下步骤:步骤I,影像预处理影像预处理阶段包括对影像进行几何精矫正以及图像向量化。通过几何精矫正使全色波段影像和多光谱波段影像统一在同一坐标系下,并且对多光谱波段影像进行重采样,使其具有与全色波段影像相等的像元大小,对任意波段影像按行为顺序构成一个向量,分别形成多光谱影像向量组和全色波段影像向量;步骤II,构建多光谱假彩色合成影像独立信息源模型,三个独立信息源分别代表彩色影像的主体独立成分、色彩独立成分以及空间细节独立成分信息,并制定分离这些独立信息源所应满足的标准;步骤III,利用子带分解和独立成分分析寻找影像向量的独立信息源,(1)对多光谱影像向量组进行独立成分分析初步寻找影像的独立信息源,独立成分分析定义如下:x(t)=As(t) (1)其中A是混合矩阵,判断A是否满足独立信息源标准,如果满足,转入步骤IV,否则转入本步骤的第(2)步;(2)对多光谱影像向量组或小波结点向量组进行小波分解并寻找其互信息量最大的向量组,其中互信息定义如下: <mrow> <mi>I</mi> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>,</mo> <mo>.</mo> <mo>.</mo> <mo>.</mo> <mo>,</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>)</mo> </mrow> <mo>≈</mo> <mfrac> <mn>1</mn> <mn>4</mn> </mfrac> <munder> <mi>Σ</mi> <munder> <mrow> <mrow> <mn>0</mn> <mo>≤</mo> </mrow> <mi>n</mi> <mo><</mo> <mi>l</mi> <mo>≤</mo> <mi>N</mi> </mrow> <mrow> <mi>n</mi> <mo>≠</mo> <mi>l</mi> </mrow> </munder> </munder> <msup> <mi>cum</mi> <mn>2</mn> </msup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>,</mo> <msub> <mi>x</mi> <mi>l</mi> </msub> <mo>)</mo> </mrow> <mo>+</mo> <mfrac> <mn>1</mn> <mn>12</mn> </mfrac> <munder> <mi>Σ</mi> <munder> <mrow> <mrow> <mn>0</mn> <mo>≤</mo> <mi>n</mi> <mo><</mo> </mrow> <mi>l</mi> <mo>≤</mo> <mi>N</mi> </mrow> <mrow> <mi>n</mi> <mo>≠</mo> <mi>l</mi> </mrow> </munder> </munder> <mrow> <mo>(</mo> <msup> <mi>cum</mi> <mn>2</mn> </msup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>,</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>,</mo> <msub> <mi>x</mi> <mi>l</mi> </msub> <mo>)</mo> </mrow> <msup> <mrow> <mo>+</mo> <mi>cum</mi> </mrow> <mn>2</mn> </msup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>,</mo> <msub> <mi>x</mi> <mi>l</mi> </msub> <mo>,</mo> <msub> <mi>x</mi> <mi>l</mi> </msub> <mo>)</mo> </mrow> <mo>)</mo> </mrow> <mo>+</mo> </mrow> <mrow> <mfrac> <mn>1</mn> <mn>48</mn> </mfrac> <munder> <mi>Σ</mi> <munder> <mrow> <mrow> <mn>0</mn> <mo>≤</mo> <mi>n</mi> <mo><</mo> </mrow> <mi>l</mi> <mo>≤</mo> <mi>N</mi> </mrow> <mrow> <mi>n</mi> <mo>≠</mo> <mi>l</mi> </mrow> </munder> </munder> <mrow> <mo>(</mo> <msup> <mi>cum</mi> <mn>2</mn> </msup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>,</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>,</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>,</mo> <msub> <mi>x</mi> <mi>l</mi> </msub> <mo>)</mo> </mrow> <mo>+</mo> <msup> <mi>cum</mi> <mn>2</mn> </msup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>,</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>,</mo> <msub> <mi>x</mi> <mi>l</mi> </msub> <mo>,</mo> <msub> <mi>x</mi> <mi>l</mi> </msub> <mo>)</mo> </mrow> <mo>+</mo> <msup> <mi>cum</mi> <mn>2</mn> </msup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>,</mo> <msub> <mi>x</mi> <mi>l</mi> </msub> <mo>,</mo> <msub> <mi>x</mi> <mi>l</mi> </msub> <mo>,</mo> <msub> <mi>x</mi> <mi>l</mi> </msub> <mo>)</mo> </mrow> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>(3)对互信息量最大的子带向量组重新进行独立成分分析,生成混合矩阵A和其逆矩阵W,然后判断其混合矩阵A是否满足信息源独立性标准,如果满足标准,转入步骤IV,否则转入本步骤的第(2)步;步骤IV,获得多光谱影像向量X和矩阵W,计算多光谱影像的独立信息源s(t)=Wx(t),接着根据混合矩阵A来确定独立信息源中主体独立成分(ma in body independent component,MBIC);步骤V,以主体独立成分为基础,对全色波段影像向量进行直方图匹配:PANnew=H(PAN,MBIC) (3)其中H是直方图匹配函数,PANnew是以MBIC为基础对PAN进行直方图匹配的结果,并用其 来替换MBIC,生成新的独立信息源snew(t);步骤VI,利用snew(t)和混合矩阵A进行逆独立成分变换生成融合影像,IMGfusion=IICA(snew(t),A)式中IMGfusion是融合结果,IICA是逆独立成分变换。 |