空間和光譜信息保持的多光譜圖像融合算法

黃峰， 黃偉藍(lán)， 吳銜譽(yù)

(福州大學(xué)機(jī)械工程及自動化學(xué)院， 福建 福州 350108)

0 引言

多光譜圖像是由多張光譜波段不同， 但空間分辨率相同的灰度圖像組成的數(shù)據(jù)立方體， 其在地物分類、 地質(zhì)調(diào)查以及環(huán)境質(zhì)量監(jiān)測等方面具有廣泛的應(yīng)用. 但是受多光譜成像器件硬件條件的限制， 多光譜成像傳感器往往只能獲取到低空間質(zhì)量的多光譜圖像， 而由全色圖像傳感器所獲取的全色圖像具有高空間分辨率. 為了獲得高空間質(zhì)量的多光譜圖像， 將多光譜和全色圖像進(jìn)行融合， 可實現(xiàn)優(yōu)勢互補(bǔ)， 在盡量保持多光譜信息的前提下， 提升融合圖像的空間質(zhì)量.

現(xiàn)有的多光譜圖像融合方法有成分替換法(component substitution， CS)、 多分辨率分析法(multi-resolution analysis， MRA)、 貝葉斯法和基于深度學(xué)習(xí)的方法. CS方法是指對多光譜圖像進(jìn)行投影， 以分離空間和光譜信息， 然后將包含空間信息的部分替換為全色圖像， 主要包括IHS[1]、 PCA[2]、 GS[3]、 AIHS[4]等， 該方法運(yùn)算耗時少， 但融合圖像易產(chǎn)生譜失真現(xiàn)象； MRA方法通過濾波將全色圖像的空間信息注入多光譜圖像， 主要包括Laplacian Pyramids[5]、 Wavelet[6]、 Discrete Wavelet Transform[7]等， 該方法運(yùn)算速度快且譜失真現(xiàn)象有所改善， 但可能會出現(xiàn)空間結(jié)構(gòu)失真的問題； 貝葉斯方法[8-10]用最大化后驗概率的思路或變分的數(shù)學(xué)方法來建模， 能降低融合問題的病態(tài)程度， 但運(yùn)算耗時長； 基于深度學(xué)習(xí)的方法[11-12]需要大量的數(shù)據(jù)訓(xùn)練模型， 限制了該方法在多光譜圖像融合方面的應(yīng)用.

上述融合方法存在如下兩個問題： 第一， 不能很好地描述多光譜與全色圖像之間的結(jié)構(gòu)相關(guān)性， 造成空間結(jié)構(gòu)失真；……