(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210356388.3 (22)申请日 2022.03.30 (71)申请人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号 (72)发明人 金伟其　李颖捷　左东升　郭宏　 裘溯　 (74)专利代理 机构 北京正阳理工知识产权代理 事务所(普通 合伙) 11639 专利代理师 邬晓楠 (51)Int.Cl. G06T 5/50(2006.01) G06T 3/40(2006.01) G06V 10/56(2022.01) G06V 10/44(2022.01)G06V 10/75(2022.01) G06V 10/77(2022.01) G06V 10/772(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01) (54)发明名称 基于引导滤波与稀疏表示的遥感影像融合 方法 (57)摘要 本发明公开的一种基于引导滤波与稀疏表 示的遥感影像融合方法， 属于遥感图像处理技术 领域。 本发明实现方法为： 对多光谱影像进行非 线性HSV变换降低图像混叠， 减小计算量； 使用引 导滤波的手段， 对全色影像和多光谱影像的细 节 信息进行多次的提取， 得到有效提取结构特征信 息的细节影像； 通过稀 疏表示对全色影像和多光 谱影像的低频信息进行融合， 充分利用图像低频 信息的能量； 根据提取的高频分量结构特征信息 和低频分量信息， 融合得到新的亮度图像V'， 即 基于引导滤波与稀疏表示实现遥感影像融合， 显 著提高多光谱影像的分辨率； 并对亮度图像V'进 行HSV空间逆变换， 实现多光谱影像的超分辨成 像。 本发明利用全色影像直接重构低频字典， 减 少了由于缺少理想影像训练字典带来的结果的 不确定性。 权利要求书4页 说明书8页 附图2页 CN 114708178 A 2022.07.05 CN 114708178 A 1.一种基于引导滤波与稀疏表示的遥感影 像融合方法， 其特 征在于： 包括如下步骤， 步骤一、 对多光谱影像进行图像插值操作， 使其扩大到与全色影像相同的尺度， 便于后 续多光谱影 像和全色影 像间的融合操作； 步骤二、 对多光谱影像进行非线性HSV变换， 得到非线性HSV变换后的亮度影像， 降低后 续操作带来的图像混叠， 减小后续操作计算 量， 提高遥感影 像融合效率； 步骤三、 对步骤二多光谱影像提取的V分量和全色影像间进行直方图匹配， 减少多光谱 影像和全色影 像由于传感器光谱响应函数不 一致而导致融合结果产生的光谱失真； 步骤四、 利用引导滤波的结构转移特性， 以全色影像为引导图像， 对多光谱影像的亮度 分量做引导滤波， 去除多光谱影 像在HSV变换阶段产生的噪声； 步骤五、 利用引导滤波的保边平滑特性， 使用引导滤波的手段提取全色影像与多光谱 影像亮度分量V的边缘细节信息， 并对全色影像与多光谱影像亮度分量V的边缘细节信息进 行融合， 且提取 过程不依赖于滑块窗口 的大小， 提高提取速度； 步骤六、 针对多光谱影像亮度分量及全色影像引导滤波后的高频分量， 重复迭代步骤 四， 对全色影像和多光谱影像的细节信息进行多次的提取， 直至实现对全色影像的高频分 量结构特 征信息的有效提取； 步骤七、 针对多光谱影像亮度分量及全色影像引导滤波后的低频分量， 通过稀疏表示 对全色影像和多光谱影像的低频信息进行融合， 充分利用图像低频信息的能量， 实现对全 色影像及多光谱影 像低频分量信息的有效提取； 步骤八： 根据步骤六提取的高频分量结构特征信息和步骤七提取的低频分量信息， 融 合得到新的亮度图像V'， 即基于引导滤波与稀疏表示实现遥感影像融合， 显著提高多光谱 影像的分辨 率； 并对亮度图像V'进行HSV空间逆变换， 实现多光谱影 像的超分辨成像。 2.如权利要求1所述的一种基于引 导滤波与稀疏表示的遥感影像融合方法， 其特征在 于： 步骤二实现方法为， 由于多光谱影像的亮度分量V 的主观感知比色彩分量的主观感知强烈， 因此在图片和 视频的数字表示上对色彩分量进行 降采样， 亮度分量不会进行任何退化； 根据如公式(1) (2)(3)所示的HSV变换模型， 对多光谱影像进行非线性HSV变换， 相比于其他变换能够使融 合后的图像会更加锐化， 有利于降低后续操作带来的图像混叠， 减小后续操作计算量， 提高 遥感影像融合效率， 但相比HIS等变换， 非线性HSV变换引入更多的噪声； V＝max(R,G,B)                              (1) (3)其中R表示图像的红色通道， G表示图像的绿色通道， B表示图像的蓝色通道， H表示 色调， S表示饱和度， V 表示亮度。 3.如权利要求1所述的一种基于引 导滤波与稀疏表示的遥感影像融合方法， 其特征在 于： 步骤三实现方法为， 根据公式(4)对步骤二多光谱影像提取的V分量和全色影像间进行直方图匹配， 减少多权　利　要　求　书 1/4 页 2 CN 114708178 A 2光谱影像和全色影 像由于传感器光谱响应函数不 一致而导致融合结果产生的光谱失真； 其中PAN是全色影像， μPAN和σPAN是全色影像的均值和方差， μV和σV是亮度分量的均值和 方差， P是直方图匹配后的全色影 像。 4.如权利要求1所述的一种基于引 导滤波与稀疏表示的遥感影像融合方法， 其特征在 于： 步骤四实现方法为， 对步骤二非线性HSV变换后的多光谱影像， 利用引导滤波的结构转移特性， 以步骤三经 直方图匹配后的全色影像为引导图像， 根据 公式(5)(6)(7)对多光谱影像的亮度分量做引 导滤波， 去除多光谱影 像在HSV变换阶段产生的噪声； q1＝a1I+b1                                (5) 其中p为输入图像， I为引导图像， ε2是正则化参数， q为输出图像， a1和b1为(5)式的超参 数。 5.如权利要求1所述的一种基于引 导滤波与稀疏表示的遥感影像融合方法， 其特征在 于： 步骤五 实现方法为， 对步骤二非线性HSV变换后的多光谱影像以及步骤三经直方图匹配后的全色影像， 利 用引导滤波的保边平滑特性， 根据公 式(8)(9)(10)所示的引导滤波公 式提取全色影像与多 光谱影像亮度分量V的边缘细节信息， 并对全色影像与多光谱影像亮度分量V的边缘细节信 息进行融合， 且提取 过程不依赖于滑块窗口 的大小， 提高提取速度； q2＝a2p+b2                                (8) 其中p为输入图像， ε2是正则化 参数， q为输出图像， a2和b2为(8)式的超参数。 6.如权利要求1所述的一种基于引 导滤波与稀疏表示的遥感影像融合方法， 其特征在 于： 步骤七所述稀疏表示方法实现方法如下： 获取低频信息训练影像， 将图像转变为特征矩 阵， 通过字典学习算法求解字典， 求解全色影像和亮度分量在字典下的稀疏系数， 根据稀疏 系数融合并重构出低频分量； 步骤6.1、 选择若干幅包含地铁沿线地物信息的全色影像作为训练影像， 将其进行低通 滤波并降采样至多光谱影像大小， 以获得其相对应的低分辨训练影像； 为了使融合前后的 维度相同， 将降采样至多光谱影像大小的低分辨率训练影像升采样至全色影像大小以获得 高分辨的低频信息训练影 像； 步骤6.2、 使用滑动窗口将步骤6.1获得的低频信息的影像划分为 大小的影像 块， 并将影 像块变为 n×1大小的列向量， 将所 得到的这些列向量组成特 征矩阵； 步骤6.3、 利用公式(1 1)通过字典学习算法求 解字典； 权　利　要　求　书 2/4 页 3 CN 114708178 A 3