本发明涉及图像处理技术领域，具体地说是一种多源遥感图像融合方法。

背景技术：

多源遥感图像融合是指将来源于不同传感器的同一场景的两幅或多幅遥感图像进行信息互补叠加，得到信息更加精确和完善的综合图像的图像处理技术。图像融合不仅是遥感探测数据处理的重要组成部分，而且在环境检测、城市规划、军事侦察等领域也有着广泛的应用空间。近年来，随着信号处理技术的不断发展，研究人员对图像融合方法展开了大量研究。

目前，多源遥感图像融合主要分为三个层次：像素层融合、特征层融合和决策层融合。相比于特征层融合和决策层融合，像素层融合在精准性和时效性方面具有更佳的性能。针对像素层多源遥感图像融合方法主要包括三类：基于成分替代的图像融合、基于多分辨率分析的图像融合及基于模式的图像融合。基于成分替代的图像融合方法具有复杂度低、易于实现的特性，且融合结果的空间细节信息保存良好，但处理过程中涉及到空间变换操作，因而常常出现光谱畸变；基于多分辨率分析的图像融合方法不易出现光谱失真现象，但融合过程中常出现振铃现象，进而使得融合结果出现空间特征丢失；基于模型的图像融合方法不易出现光谱失真和空间特征的丢失，然而融合过程中所涉及的方法复杂度较高。现阶段，虽然图像融合方法不断涌现，但依旧面临很多问题和困难，主要体现在如下方面：1)融合图像的空间信息易丢失；2)融合图像的光谱易出现失真。

因此，解决多源遥感图像融合过程中存在的空间信息丢失和光谱失真问题，实已成为本领域技术人员的重要课题之一。

技术实现要素：

本发明要解决的技术问题是：提供一种多源遥感图像融合方法，以有效抑制融合结果的光谱失真现象，并减少空间细节信息的丢失。

本发明为实现上述目的所采用的技术方案包括以下步骤：

步骤一：获取同一地物目标的多光谱图像和全色图像，将多光谱图像运用双三次插值法进行上采样，使多光谱图像的尺寸与全色图像保持一致；

步骤二：采用ihs变换对多光谱图像进行色彩空间变换，提取多光谱图像的亮度i分量以备下一步处理，保留多光谱图像的色度h分量与饱和度s分量用作后续的ihs反变换；

步骤三：构造自适应分数阶微分用于增强全色图像的边缘细节和保留地物轮廓信息，同时，采用引导滤波对多光谱图像的亮度i分量进行滤波处理；

步骤四：将分数阶微分处理后的全色图像和引导滤波处理后的多光谱图像亮度i分量分别进行小波变换，得到变换后的高、低频分量，其中，高频分量采用绝对值取大原则，低频分量采用加权平均原则；

步骤五：通过小波重构得到小波反变换后的结果图像；

步骤六：将小波反变换得到的结果作为inew分量，并与h分量、s分量进行ihs反变换，得到融合图像。

本发明具有以下优点及有益效果：

1.相比于现有技术中对上采样后多光谱图像的亮度分量直接进行处理，易产生块效应的问题；本发明引入了具有结构转移特性和保边平滑特性的引导滤波，实现了对图像融合过程中块效应的抑制。同时，也增强了多光谱图像i分量的空间纹理信息及局部细节信息，从而辅助提高融合图像的视觉效果。

2.相比于现有技术中对亮度分量与全色图像直接进行直方图匹配，导致灰度级减少、部分细节丢失的问题；本发明将分数阶微分引入到图像融合中，特别是结合图像统计特征对分数阶微分的阶次进行改进，避免了人为地设定固定阶次，实现了具有自适应性的分数阶微分。不仅可以有效保留图像作为基础层的平坦部分，还使得图像的边缘细节部分得到增强。

附图说明

图1为本发明方法的图像融合流程图。

图2为本发明方法在实验中使用的测试图像，以及不同方法在测试图像上的融合效果对比图。

其中，图2(a)为全色图像，图2(b)为多光谱图像，图2(c)为ihs变换法得到的融合图像，图2(d)为brovey法得到的融合图像，图2(e)为pca法得到的融合图像，图2(f)为dwt法得到的融合图像，图2(g)为atwt-m3法得到的融合图像，图2(h)为atwt法得到的融合图像，图2(i)为awlp法得到的融合图像，图2(j)为gs法得到的融合图像，图2(k)为hpf法得到的融合图像，图2(l)为mtf-glp法得到的融合图像，图2(m)为本发明方法得到的融合图像。

具体实施方式

下面结合附图及实施例对本发明作进一步的详细说明。

如图1所示，一种多源遥感图像融合方法，包括以下步骤：

步骤一：获取同一地物目标的多光谱图像和全色图像，将多光谱图像运用双三次插值法进行上采样，使多光谱图像的尺寸与全色图像保持一致。

步骤二：采用ihs变换对多光谱图像进行色彩空间变换，提取多光谱图像的亮度i分量以备下一步处理，保留多光谱图像的色度h分量与饱和度s分量用作后续的ihs反变换，i分量、h分量及s分量的计算公式分别为：

h＝tan-1[s1/s2](2)

其中，r、g、b分别是多光谱图像的红、绿、蓝三个波段。

步骤三：构造自适应分数阶微分用于增强全色图像的边缘细节和保留地物轮廓信息，具体方式为：

假设全色图像f(i,j)的大小是m×n，那么空间频率计算公式为：

其中，rf与cf分别表示全色图像f(i,j)的行频率和列频率。图像的空间频率数值越大，表明图像的空间信息越丰富，图像的层次感越强。此外，全色图像f(i,j)平均梯度的计算公式为：

平均梯度的数值越大，则图像的边缘、纹理等细节特征越突出，清晰度也越高。接着，采用反余切非线性归一化函数对全色图像的空间频率和平均梯度进行归一化，即：

考虑到图像的空间频率和平均梯度的数值大小对微分阶次的影响同等重要，因此对二者进行如下平均加权处理：

由于tanh函数在实数范围内为单调递增函数，且呈现非线性增长趋势，此特性符合微分阶次随图像统计信息的变化规律，因而采用tanh函数对阶次函数进行如下构造。

当分数阶微分阶次v∈[0.5,0.7]时，能够更加突出图像的纹理细节，并充分保留图像轮廓信息。因此，本发明对f(y)展开了修正处理，其中，β和α分别取0.5和0.7，进而得到自适应分数阶微分阶次的计算函数v。

同时，采用引导滤波对多光谱图像的亮度i分量进行滤波处理，具体方式为：

首先，设置引导滤波的半径r＝7，正则化参数ε＝10-6。计算引导滤波的线性系数a(k,l)和b(k,l)的数值分别为：

式中，|ω|表示以像素点(k,l)为中心、r为半径的矩形局部窗ω(k,l)内的像素个数，和μ(k,l)分别是局部窗ω(k,l)所含像素的方差和均值，代表局部窗ω(k,l)所含多光谱图像i分量的像素均值，ε是正则化参数。考虑到在引导滤波的处理过程中，一个像素点(i,j)可能同时被多个局部窗ω(k,l)滑过。因而，需对线性系数a(k,l)和b(k,l)进行均值处理，即：

将和代入引导滤波的线性定义模型，从而得到滤波后的输出图像。

将引导滤波后的结果作为图像的基础层，通过多光谱图像i分量与基础图像作减法得到图像的细节层，接着对细节层的灰度变化范围进行线性变换，最后与基础图像相加得到纹理结构增强图像。

步骤四：将分数阶微分处理后的全色图像和引导滤波处理后的多光谱图像亮度i分量分别进行小波变换，得到变换后的高、低频分量。其中，高频分量采用绝对值取大原则，低频分量采用加权平均原则。

步骤五：通过小波重构得到小波反变换后的结果图像。

步骤六：将小波反变换得到的结果作为inew分量，并与h分量、s分量进行ihs反变换得到融合图像，计算公式为：

其中，rnew、gnew、bnew分别是融合图像的红、绿、蓝三个波段。

本发明选择已配准好的多光谱图像和全色图像作为测试图像，并与ihs、brovey、pca、dwt、atwt-m3、atwt、awlp、gs、hpf及mtf-glp方法进行对比研究。

实验结果如下：

实验1，不同方法在测试图像上的融合结果如图2所示。经对比分析后发现，本发明方法得到的融合结果在保留图像光谱特征的同时，增强了图像中地物的细节纹理，使得图像的清晰度更高，视觉效果更佳。

实验2，为提高融合结果质量评价的准确性，本发明方法采用了几种常见的评价指标，包括：平均梯度(ag)、平均值(me)、标准差(sd)、信息熵(ie)、互信息(mi)及空间频率(sf)。上述评价指标的数值越大，则图像的空间信息越丰富，层次感越强，如表1所示。根据表1可以看出，相比于其他方法，经本发明方法得到的融合结果，在各质量评价指标上均取得了不同程度的提升，具有一定的综合优势。该结果表明本发明方法融合图像的细节更丰富，目视效果更好。

表1图像融合结果质量评价指标统计表

综上，本发明公开的一种多源遥感图像融合方法，能够有效减少融合结果的光谱失真现象和空间细节信息丢失的问题，具有较高的有效性和可行性。

上面对本专利的较佳实施方式作了详细说明，但是本专利保护范围并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下做出其他变化，这样应当列入本发明的保护范围。