查看更多>>摘要：全色图像和多光谱图像由于光谱和空间尺度上的差异,融合结果容易出现光谱失真或空间失真.如何同时实现两个尺度上的对齐,是提高融合效果的关键.传统的SFIM(Smoothing Filter-based Intensity Modulation)遥感图像融合方法可以保证光谱尺度上的一致,但在衡量空间尺度一致上还不够精确.针对此问题,本文提出了一种基于局部方差互信息的空间尺度对齐方法,并在平均梯度一致性的约束下进一步改进SFIM方法.该方法首先对多光谱各波段线性拟合生成多光谱强度图像,并对高分辨率全色图像进行高斯低通滤波,改变滤波参数循环计算2幅图像的局部方差图像间的互信息,当互信息最大时,高斯滤波参数为最佳滤波估计参数;然后,用该高斯滤波器卷积高分辨率全色图像,得到与多光谱图像空间尺度一致的低分辨率全色图像;之后,高低分辨率全色图像间比值处理得到细节图像,以高分辨率全色图像平均梯度为基准,引入调节系数控制细节图像的注入量;最后,细节图像、调节系数与多光谱图像相乘得到融合图像.为验证本文方法的有效性,在IKONOS和Quickbird两种数据集的植被区、建筑区和混合区3个不同场景六组图像开展融合实验.实验结果表明,对于KONOS数据,本文方法3组实验在光谱保持指标SAM上均位于第二,信息量EN有2组第一,对于Quickbird数据,本文方法3组实验在SAM、EN和AG3个指标上均为最优,具有较好的光谱保持能力和信息丰富程度;空间信息保持指标SCC值虽非最佳,但与SCC值最佳的AGSFIM方法相比,4组实验的SAM、EN和AG这3个指标整体明显优于对方,而与SCC值相近的GSA或SFIM方法对比,本文方法在6组实验中其他3个指标的也均优于对方,平均提升了13.39％、39.52％和34.03％.同时,本文方法在目视效果上也有较为不错的表现,融合真彩色图像与原始真图像彩色差异较小,图像清晰度基本近似全色图像.融合场景方面,本文方法对于植被为主或混合区域,光谱保持优势明显,图像信息量较为丰富;以建筑为主的场景,融合结果的光谱、信息的丰富程度和清晰度也具有不错效果.
NETL
NSTL
万方数据