专利名称：遥感图像双线性插值小波变换融合的优化方法
技术领域：
本发明涉及一种遥感图像双线性插值小波变换融合的优化方法，是高光谱遥感图像经双线性重采样后，与高空间分辨率全色图像融合时进行高精度及快速计算的融合优化方法，是多源遥感影像后处理阶段的一项核心技术，在各类军用或民用的遥感信息处理系统、数字城市空间信息系统等领域中均可有广泛的应用。
一般地说，遥感图像融合就是图像合成技术，将不同平台(卫星与机载)上的同一或不同传感器获取的不同空间与光谱分辨率图像按特定的算法进行处理，以使所产生的新图像同时具有原来图像的多光谱特性以及高地面分辨率，来实现不同的应用需求。目前，应用较多的遥感图像融合是不同分辨率的多光谱(Multi-Spectral)与PAN(Panchromatic)图像融合或高光谱(Hyper-Spectral)图像与PAN图像的融合，主要方法有IHS变换、主成分分析(PCA)、BROVERY变换以及小波变换合等。
对这些融合算法进行归纳，它们的一个共同特征是，融合前均将高光谱图像重采样为与全色图像空间分辨率相等的新图像，以供进一步处理。为此，面临两个方面的问题需要解决1.高光谱图像重采样算法对融合图像的光谱及空间分辨率影响；2.由于高光谱图像的大小一般为几百兆的数量级，若其重采样算法变得复杂时，须考虑计算机的运算速度。
目前，进行上述遥感图像融合时，在精度许可的条件下，主要应用近邻插值方法，以满足算法的处理速度要求。这里采用的近邻插值算法的原理是，像素点插值搜索过程中，若高光谱图像中某素点离重采样算法所得的新图像中某像素点的空间位置最近，则将其像素值作为新图像对应点的像素值。该方法通常情况下可以满足图像处理要求。但若要求光谱信息损失较小时，则它难以达到所需的融合精度，究其原因，是由于近邻算法本身的局限性造成的，所以需研究新的算法。
为实现这样的目的，本发明的技术方案中，利用遥感图像处理与开发平台提供的开发语言，针对高光谱图像的文件大小及计算机的处理速度，采用双线性插值算式对高光谱图像进行重采样优化计算，使其空间分辨率等于全色图像。然后，根据小波分解理论对全色图像与重采样后的高光谱图像进行小波分解，获取各自的近似低频和细节高频分量。遥感图像的小波系数融合时，将高光谱图像的小波分解的近似分量作为新图像的近似分量，而细节分量融合，则利用线性计算来获�。庋欣诒Ａ舾吖馄淄枷竦墓馄仔畔�。最后，根据小波系数融合所得新图像数据块的小波系数，进行小波重建和数据块拼接，生成所需的遥感融合图像。
本发明的方法包括如下具体步骤1.数据特性的提取根据应用的需求，获得配准后待融合的高光谱和全色遥感图像文件，通过遥感图像处理与开发平台提供的接口函数，取得它们的特性数据，包括文件大�。占浞直媛室约巴枷窀吖馄滓８型枷竦牟ǘ问取�
2.高光谱图像的双线性重采样以全色图像的空间分辨率为标准，获取计算机的内存与CPU处理速度等指标后，根据高光谱文件对应的数据量的大小将其分割为几个连续的数据块(数目为计算机内存量/高光谱图像数据量)，按双线性插值规则，对各数据块分别逐点进行搜索、插值，生成具有与全色图像空间分辨率相同的新高光谱图像数据块。
3.全色图像的数据分块，按照第二步对应的数据分块数，将全色图像分成与经双线性插值后所得的新高光谱图像数据块数目相等的数据块。
4.循环调入对应的全色与高光谱图像数据块，进行各数据块的二维小波分解。
就是在水平和垂直方向对全色与高光谱图像数据块各自独立地进行一次一维小波变换。相当于先在水平方向对图像分别进行低通和高通滤波，并作下采样，然后在垂直方向上实施同样的操作。最终获得各个尺度下的低频近似分量和三个方向(水平、垂直、斜线)的高频细节分量，它们构成对应数据块的小波系数。
5.高光谱与全色图像各数据块的小波系数融合将高光谱图像数据块的低频近似分量作为融合图像数据块的低频分量，而融合图像数据块的高频分量，则使用线性加权算法由全色与高光谱图像数据块的高频细节分量取得，由此构建新图像的小波系数(低频与高频分量)。
6.融合图像数据块的小波变换重建及数据块的拼接将获得的融合图像数据块的小波系数按小波变换的重构原理，进行图像重构，获得所需的高空间分辨率和光谱分辨率的数据块，然后将这些数据块按前述高光谱图像的分割顺序进行拼接，组成新图像。
本发明的特色在于，由于同一地区高光谱与全色遥感图像的空间分辨率及光谱分辨率等特性上相差很大，按双线性规则对高光谱图像进行重采样后，利用小波变换进行融合，在保留高光谱图像的光谱信息的同时，能够提高其空间分辨率，使地物空间结构和纹理特性能更加明确的显示。同时，由于进行了数据分块，将各数据块依次调入计算机内存，能显著地提高计算机处理速度。总之，本发明提出的方法可广泛地用于遥感图像数据的融合处理，获得更加可靠的融合图像质量。
如
图1所示，首先利用基于Windows的ENVI/IDL遥感图像处理与开发平台提供的接口函数来获取高光谱与全色图像的特性数据。将高光谱图像按一定的比例进行数据分块后对各块再实施双线性重采样，使各数据块的空间分辨率等于全色图像的空间分辨率。此后，按相同的比例对全色图像进行数据分块。循环调入全色与重采样后高光谱图像数据块，对各对应的数据块进行小波分解，获得小波分解的低频近似分量与高频细节分量。循环调入小波分解后的数据块进行小波系数融合，构造新图像数据块的小波系数。最后，对新图像数据块进行小波变换重建和数据块的拼接，得到所需的融合图像。
图2为双线性重采样算法所使用的插值模型。
图3是全色和高光谱图像对应数据块小波变换融合的计算过程示意图。其中Cap、Chp、Cvp、Cdp分别为全色图像数据块小波分解后的低频分量、高频水平、高频垂直和高频斜线分量；Cam、Chm、Cvm、Cdm分别为高光谱图像重采样后数据块小波分解后的低频分量、高频水平、高频垂直和高频斜线分量。
图4为本发明采用的方法与其它方法的融合效果对比。
其中，图4(a)的Land TM图像为高光谱图像，本实施例取其波段4、3、2，文件大小1007×560，空间分辨率28m。图4(b)的SPOT遥感影像是全色图像，文件大小2820×1569，窨分辨率10m。图4(c)是近邻插值小波融合效果，图4(d)是双线性插值小波融合效果，从中可以看出，双线性插值小波变换融合有利于保留高光谱图像的光谱信息。
图1为本发明提出的一种用于高光谱与全色图像双线性插值小波变换融合优化方法的总体框图，数据文件的输入是图4(a)的Land TM图像为高光谱图像，取其波段4、3、2，文件大小1007×560，空间分辨率28m。图4(b)的SPOT遥感影像是全色图像，文件大小2820×1569，空间分辨率10m。各部分具体实施细节如下1.数据特性的提�。竦酶吖馄子肴枷竦奶匦允堇肊NVI/IDL开发平台的ENVI DISPLAY BANDS函数，可以显示出文件的大小、波段数及空间分分辨率等。
2.高光谱图像的双线性重采样，利用ENVI/IDLIDL的C语言接口调用WINDOWS2000操作系统提供的API函数，获取计算机的硬件特性，如CPU处理速度、内存大小后，对高光谱图像按图2所示的方法进行双线性重采样以及按内存/高光谱文件数据量的比例进行高光谱数据文件的分块。
对于高光谱图像中某像素点(x，y)及其周围的点(0，0)、(0，1)、(1，0)、(1，1)，它们对应的图像灰度值分别为f(x，y)、f(0，0)、f(0，1)、f(1，0)和f(1，1)，则插值过程是首先，通过一阶线性插值得出f(x，0)f(x，0)＝f(0，0)+x[f(1，0)-f(0，0)](1)类似地，对f(x，1)进行一阶线性插值
f(x，1)＝f(0，1)+x[f(1，1)-f(0，1)] (2)最后，对垂直方向进行一阶线性插值，以确定f(x，y)f(x，y)＝f(x，0)+x[f(x，1)-f(x，0)] (3)3.全色图像的数据分块按第二步中获得的计算机内存量/高光谱图像数据量的数值，对全色图像分为与高光谱图像数据块数目相等的数据块。
4.循环调入对应的全色与高光谱图像数据块，依次进行各数据块的的小波分解。
图3提供了一个简洁的各数据块小波融合层次框架，其中全色与高光谱数据块被分成两个部分近似分量(Approximate)和细节分量(Detail)，而后者又可分为水平、垂直和斜线分量，计算式是设ψ(t)∈L2(R)(L2(R)表示平方可积的实数空间，即能量有限的信号空间)，其傅里叶变换为ψ*(ω)，当ψ*(ω)满足允许条件Cψ=∫R|ψ*(ω)|2|ω|dω<∞---(4)]]>时，称ψ(t)为一个基本小波或母小波，将其经伸缩和平移后，就可以得到一个小波序列ψa，b(t)ψa,b(t)=1|a|ψ(t-ba)]]>a，b∈R；a≠0 (5)式中a为尺度因子，b为平移因子。
对于任意函数f(t)∈L2(R)的连续小波变换Wf(a，b)有Wf(a,b)=|a|-1/2∫Rf(t)ψ*(t-ba)‾dt---(6)]]>式中，带符号“-”表示复数共轭。
目前，已经形成了多种实用的小波族，它们各有长处，在本方案中，选用Symlet小波族。
5.高光谱与全色图像各数据块小波系数融合将上述依次调入计算机内存的各数据块小波分解后，进行小波系数融合。设融合图像数据块的小波系数的低频分量为Ca*，高频分量分别为Ch*、Cv*、Cd*，则，新图像数据块小波系数采用的计算式为 式中ax、bx分别是在数据块的像素点中，从CxP到CxM直线的斜率与截距，而x则可取h、v、d，m表示高光谱图像，p表示全色图像。
6.融合图像数据块的小波变换重建及数据块拼接融合图像数据块的像素值看作为函数f(x，y)，则f(x，y)∈Vj2(j∈Z)，它在Vj2空间的投影为Ajf(x，y)，这里Vj2是L2(R)的一个多尺度空间剖分，于是有Ajf(x，y)＝Aj+1f(x，y)+Dj+11f(x，y)+Dj+12f(x，y)+Dj+13f(x，y) (8)式中Aj+1f=Σm1=-∞∞Σm2=-∞∞Cj+1(m1,m2)ψj+1(m1,m2)]]>Dj+1if=Σm1=-∞∞Σm2=-∞∞Dj+1i(m1,m2)ψj+1(m1,m2)]]>i＝1，2，3Cj+1(m1，m2)——融合图像数据块在二进制网格2j+1尺度下的离散逼近(低频轮廓)Dj+1i(m1，m2)——融合图像数据块在二进制网格2j+1尺度下的离散细节(高频纹理)，分别对应于水平、垂直和斜线分量。
(m1，m2)——表示融合图像数据块像素的位置用Hr、Hc和Gr、Gc分别表示镜像共轭滤波器，H、G作用于阵列{Cj(m1，m2)，(m1，m2)∈Z2}的行和列，则本方案使用的二阶Mallat分解计算式为 相应地，其重构公式是Cj=Hr‾Hc‾Cj+1Hr‾Gc‾Dj+11+Gr‾Hc‾Dj+12+Gr‾Gc‾Dj+13---(10)]]>式中H、G分别为H、G的共轭。
融合图像数据块小波重建后，按照原先的高光谱图像分割的顺序进行数据拼接，即可得到所需的融合图像。
权利要求
1.一种遥感图像双线性插值小波变换融合的优化方法，其特征在于包括如下具体步骤1)获得配准后待融合的高光谱和全色遥感图像文件后，通过遥感图像处理与开发平台提供的接口函数，取得它们的特性数据，包括文件大�。占浞直媛室约巴枷窀吖馄滓８型枷竦牟ǘ问龋�2)以全色图像的空间分辨率为标准，获取计算机的内存与CPU处理速度等指标，根据高光谱文件对应的数据量的大小将其按计算机内存量/高光谱图像数据量的比例值分割为几个连续的数据块，对各数据块分别逐点进行双线性重采样，生成具有与全色图像空间分辨率相同的新高光谱图像数据块；3)将全色图像分成与经双线性插值后所得的新高光谱图像数据块数目相等的数据块；4)循环调入对应的全色与高光谱图像数据块，进行各数据块的二维小波分解，即在水平和垂直方向对其各自独立地进行一次一维小波变换，先在水平方向对图像分别进行低通和高通滤波，并作下采样，然后在垂直方向上实施同样的操作，获得各个尺度下的低频分量和水平、垂直、斜线三个方向的高频分量，构成对应数据块的小波系数；5)进行高光谱与全色图像各数据块的小波系数融合，将高光谱图像数据块的低频分量作为融合图像数据块的低频分量，而融合图像数据块的高频分量，则使用线性加权算法由全色与高光谱图像数据块的高频系数取得，由此构建新图像的小波系数；6)将获得的融合图像数据块的小波系数按小波变换的重构原理，进行图像重构，获得所需的空间分辨率和光谱分辨率数据块，然后将这些数据块前述的分割顺序进行拼接，组成新图像。
全文摘要
一种遥感图像双线性插值小波变换融合的优化方法，采用双线性插值算式对高光谱图像进行重采样优化计算，使其空间分辨率等于全色图像，根据小波分解理论对全色图像与重采样后的高光谱图像进行小波分解，获取各自的近似低频和细节高频分量。遥感图像的小波系数融合时，将高光谱图像的小波分解的近似分量作为新图像的近似分量，而细节分量融合，则利用线性计算来获�。菪〔ㄏ凳诤纤眯峦枷袷菘榈男〔ㄏ凳行〔ㄖ亟ê褪菘槠唇樱伤璧囊８腥诤贤枷�。本发明在保留高光谱图像的光谱信息的同时，能够提高其空间分辨率，同时显著提高了计算机处理速度，获得的融合图像质量更加可靠。
文档编号G01S7/285GK1431523SQ0311492
公开日2003年7月23日 申请日期2003年1月16日 优先权日2003年1月16日
发明者敬忠良, 周前祥 申请人:上海交通大学
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
