基于空间概率PCA与NSCT的全色图像锐化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107871307A(43)申请公布日2018.04.03(21)申请号201710589215.5(22)申请日2017.07.19(71)申请人苏州闻捷传感技术有限公司地址215500江苏省苏州市常熟市高新区金都路8号大学科技园创业基地2号综合楼2楼(72)发明人王敏王勇(74)专利代理机构苏州翔远专利代理事务所(普通合伙)32251代理人刘计成(51)Int.Cl.G06T5/00(2006.01)权利要求书2页说明书6页附图5页(54)发明名称基于空间概率PCA与NSCT的全色图像锐化方法(57)摘要本发明公开一种基于空间概率PCA与NSCT的全色图像锐化方法，其实现的步骤为：（1）输入源图像；（2）获得图像；（3）关系矩阵；（4）提取第一主成分PRPC1；（5）直方图匹配；（6）非下采样轮廓小波分解；（7）重构第一主成分；（8）空间概率发变换；（9）输出高分辨率图像。本发明利用空间概率消除了传统的全色影像锐化算法隐含的假设图像数据服从独立同分布这一限制，并采用一种新的融合规则进一步挖掘图像的关系，最终得到较好保存光谱信息和边缘细节特征更为明显的高分辨率的图像。CN107871307ACN107871307A权利要求书1/2页1.一种基于空间概率PCA与NSCT的全色图像锐化方法，包括以下步骤：(1)输入源图像：分别读取多光谱图像MS和全色图像Pan；(2)获得上采样多光谱LMS：利用图像缩放imresize函数，对多光谱图像MS进行上采样，得到上采样的多光谱图像LMS；(3)构建关系矩阵：(3a)对上采样多光谱图像LMS进行相似结构块分割，(3b)利用欧氏距离构建关系矩阵；(4)提取第一主成分PRPC1：应用空间概率PCA(PRPCA)，提取上采样多光谱图像LMS进行的第一主成分PRPC1；(5)直方图匹配：将全色图像Pan与方差最大的成分PRPC1进行直方图匹配；(6)非下采样轮廓小波(NSCT)分解：(6a)利用NSCT分解方法，对方差最大的成分PRPC1进行NSCT分解，得到高低频数据；(6b)利用NSCT分解方法，对匹配后的全色图像Pan进行NSCT分解，得到高低频数据；(7)重构第一的主成分：(7a)对于低频部分，直接选取第一主成分的低频部分；(7b)对于高频部分,采用高频融合规则来重构第一主成分的高频部分；(7c)使用NSCT反变换得到重构的第一主成分(8)空间概率PCA反变换：利用空间概率PCA反变换，对重构的第一主成分与空间概率PCA提取的其他主成分进行空间概率PCA反变换，得到高分辨率的多光谱图像HMS；(9)输出高分辨率的多光谱图像HMS。2.根据权利要求1所述的基于空间概率PCA与NSCT的全色图像锐化方法，其特征在于，步骤(3a)、步骤(3b)中所述的矩阵低秩分解方法的具体步骤如下：第一步，利用超像素分割(SLIC)对上采样多光谱图像LMS进行相似结构块分割，并利用reshape函数将其拉成向量；第二步，利用下式，计算其关系矩阵Δ：其中，为超像素分割(SLIC)对上采样多光谱图像LMS分割的各个相似块向量，i＝1,2,...,m，m表示相同结构块的总数；j＝1,2,...,n，n表示一个相同结构块像素值总数，为向量的转置操作，表示开根号操作。3.根据权利要求1所述的基于空间概率PCA与NSCT的全色图像锐化方法，其特征在于，步骤(7a)、步骤(7b)、步骤(7c)中所述的融合规则如下：第一步，对于低频部分，我们直接选取第一主成分的低频部分；第二步，对于高频部分，我们利用如下的高频融合规则来重构第一主成分的高频部分；高频融合规则如下：其中表示第i方向、第l尺度上位置(x,y)融合的高频系数，F表示融合的标识，2CN107871307A权利要求书2/2页表示第i方向、第l尺度上位置(x,y)第一主成分的高频系数，表示第i方ii向、第l尺度上位置(x,y)全色图像的高频系数，其中EPC1_block,l(x,y)与EPan_block,l(x,y)为第一主成分的衡量标注其定义如下：i其中Eblock,l(x,y)表示以位置(x,y)为中心第i方向、第l尺度的局部块能量；表示第i方向、第l尺度上位置(x,y)的高频系数；SM×N区域窗口，在这我们设置窗口大小为3×3；为m,n表示变量；同样的表示以位置(x,y)为中心周围m×n区域的高频系数；表示周围m×n的区域到中心(x,y)位置关系，δ表示参数，其值为1，表示2范数操作；第三步，使用NSCT反变换得到重构的第一主成分。3CN107871307A说明书1/6页基于空间概率PCA与NSCT的全色图像锐化方法技术领域[0001]本发明属于遥感图像处理技术领域中的一种基于空间概率