宽幅全色与多光谱遥感图像的高保真融合技术

The remote sensing images fusion aiming at high spatial resolution panchromatic images and low spatial resolution multispectral images usually produce fused images with high spatial and spectral resolutions, which can be used to accurately detect and identify the environmental pollutions and illegal land occupation. The accurate registration is the foundation of image fusions. However, existing registration methods only fit for small images, and existing fusion processing cannot avoid spatial detail information loss and spectrum distortion. Therefore, the accurate registration and high-fidelity fusion for large distorted remote sensing images become the puzzle. In this project, images will be divided into small blocks, from which the key feature points are extracted according to the topographical properties and matched by spatial constraints efficiently. Registration evaluation is adopted to identify the local unregistered areas, which are to be re-registered, thereby the whole image could be matched with high precision. Local characteristics for low and high frequency coefficient would be taken into account and self-adaptive rules based on nonsubsampled Contourlet transform are proposed to ensure that the fusion image would be of high clarity and spectral maintenance. The project would provide a high-fidelity fusion with high spectral and spatial fidelity for large distorted panchromatic and multispectral images.

高分辨率全色遥感图像和低分辨率多光谱遥感图像融合能获得高分辨率多光谱遥感图像，对于准确分析环境污染、违规用地等具有重要作用。精确配准是融合的基础，而目前提出的配准方法主要用于小幅图像的配准，融合处理也存在空间细节损失与光谱信息失真问题，因此宽幅畸变遥感图像的精确配准与高保真融合是当前的难题之一。本项目在粗配准的基础上，通过合适的分块处理，结合地物特性均匀准确地选取图像块的特征点，并在空间约束下准确快速匹配特征点，实现图像块的准确配准，并有效利用评价手段，对未精确配准的局部区域重新配准，从而达到全图精确配准。在此基础上，项目结合低频系数及高频系数的局部特性，研究基于非下采样的Contourlet变换的自适应加权融合准则，使得融合图像清晰度好、光谱保持度高，实现宽幅全色和多光谱遥感图像的高保真融合。

全色和多光谱遥感图像是应用最为广泛的两类遥感图像，受硬件等限制同一卫星平台上的全色图像空间分辨率高、多光谱图像光谱分辨率高，将全色和多光谱遥感图像进行像素级融合，获得的融合图像为空间分辨率高的多光谱图像，能更为清晰直观地呈现地物，使得融合图像能更好地为地图制作、土地监测、环境监测、城市规划等应用服务。项目围绕全色和多光谱遥感图像高保真融合，主要开展了以下研究工作：. （1）可见光遥感图像快速准确配准。全色和多光谱遥感图像点对点配准是融合基础，受图像拍摄过程中平台抖动等影响，全色遥感图像和多光谱遥感图像存在不同步的畸变，且宽幅图像各处畸变不一致，给点对点配准造成了困难。项目基于点特征，采用分块策略进行快速准确配准，分析均匀分块和四叉树分块，分析了Harris、SIFT、SURF、BRISK等点特征；针对SIFT快速匹配，研究了金字塔逐层匹配方法，提出一种低分辨率配准高分辨率验证的匹配策略，研究了SIFT特征LLE、PCA降维方法，提高了SIFT特征匹配效率；为提高大时间跨度多时相遥感图像的配准精度，引入历史数据缩小图像差异获得更多匹配点对，从而获得变换模型，克服了匹配点对不足的问题。. （2）全色和多光谱遥感图像高保真融合。在研究现有融合方法的基础上，分析了空间信息和光谱信息失真的原因，提出了一种比率增强的Pansharpening融合方法，采用Gaussian滤波分解出图像的高频分量和低频分量，通过有效合成一组低分辨的全色图像，提高了融合图像的光谱保持度和纹理保持度。. （3）原型系统开发及其他研究。利用GDAL、OpenCV等开源库和Visual Studio和Matlab等平台，开发了系统原型用于算法的分析验证；结合光谱、空间关系、纹理等特征，研究了多光谱、高光谱等遥感图像分类/分割方法；结合目标和背景的特点，采用视觉搜索机制开展了目标识别研究，并将SIFT等特征提取与分析应用到人脸识别。