申请/专利权人：大连民族大学

申请日：2022-06-10

公开（公告）日：2024-04-19

公开（公告）号：CN114897882B

主分类号：G06T7/00

分类号：G06T7/00;G06T5/50;G06N3/0464;G06N3/06;G06N3/08;G06T5/60

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2022.08.30#实质审查的生效;2022.08.12#公开

摘要：本发明公开了一种基于加权平均曲率滤波分解的遥感图像融合方法采用自适应加权平均方法，将多光谱图像各波段融合生成强度分量I。将强度分量I作为初始α通道进行光谱估计，得到前景色F和背景色B。通过加权平均曲率滤波和高斯滤波将全色图像分解为小尺度图像、大尺度图像和基本图像。利用图像的局部能量动态调节连接系数的大小。通过脉冲耦合神经网络融合强度分量I和基本图像。将融合后的图像以及大尺度图像、小尺度图像线性组合在一起构造最终的α通道。根据图像抠图模型，将前景色F和背景色B、最终的α通道进行重构，得到融合图像。本发明通过与十种典型的融合方法进行比较，在主观视觉效果和客观评价方面都取得较好的结果。

主权项：1.一种基于加权平均曲率滤波分解的遥感图像融合方法，其特征在于，包括以下步骤：S1、计算多光谱强度分量：采用基于局部空间频率的自适应加权平均方法，用于将多光谱图像各波段融合生成强度分量I，加权局部空间频率利用水平、垂直以及主副对角线方向的八邻域内的多个像素点，依据距离中心像素的欧氏距离赋予不同的权重，加权之后再参与计算，根据加权局部空间频率设计自适应加权平均的系数，具体如下所示： （1） （2）其中n是多光谱图像的波段，表示多光谱图像第i个波段在x，y位置处的加权局部空间频率值，表示多光谱图像第i个波段在x，y位置的像素值，表示多光谱图像第i个波段在x，y位置的加权系数，表示强度分量I在x，y位置处的像素值；S2、光谱估计：将I作为初始α通道，根据下列公式计算前景图像F和背景图像B，后续利用F、B进行图像重构： （3）其中i是第i颜色通道，、、、、和值是光谱前景、光谱背景和α的水平和垂直导数；S3、多尺度分解：利用加权平均曲率滤波WMCF和高斯滤波GF对全色图像进行多尺度分解，得到大尺度图像L、小尺度图像S和基本图像Base，通过这种分解方法，将输入图像分解成三个不同尺度的子图像，分解过程为利用WMCF和GF对输入图像M进行处理，分别获得滤波图像Iw和Ig，通过M和Iw的差值得到小尺度图像，大尺度图像是差分结果： （4） （5） （6） （7） （8）；S4、分量融合：利用图像的局部能量E来动态调节连接系数的大小，根据图像的特征自适应变化保留图像边缘的特征信息，自适应连接系数描述为： （9）其中，表示处的局部能量，表示处的连接系数，局部能量的计算具体描述如下： （10）其中表示图像在x，y处的像素值，W为加权系数矩阵，具体细节如下： （11）将加权局部空间频率值作为脉冲耦合神经网络的输入，利用图像的局部能量E来动态调节连接系数的大小，根据图像的特征自适应变化，当达到最大迭代次数时，迭代停止，得到强度分量I的点火次数总和和基本图像Base的点火次数总和，根据点火次数总和取大原则进行融合，如下式所示： （12）其中代表融合图像FA在位置的像素值，代表强度分量I在位置的像素值，代表基本图像Base在位置的像素值，最终，通过加权局部空间频率引导的脉冲耦合神经网络融合基本图像Base和强度分量I得到融合图像FA；S5、图像重构：通过S、L和FA的线性组合重建融合后的图像FB作为最终的α通道，根据如下公式，组合、F和B进行重构，得到最终的融合结果： （13）；其中是第i个像素的前景颜色，是第i个像素的背景颜色。

全文数据：

权利要求：

百度查询： 大连民族大学 一种基于加权平均曲率滤波分解的遥感图像融合方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD