针对不同融合算法的遥感影像分类方法研究 - 图文(5)

河南理工大学本科毕业论文

RGB_PAN=imread('C:\\Users\\Administrator\\Desktop/PAN.jpg'); figure(1)

imshow(RGB_MS); title('多光谱图像'); figure(2)

imshow(RGB_PAN); title('全色图像');

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

[hang，lie，color]=size(RGB_MS); for i=1:hang for j=1:lie

v11(1)=double(RGB_MS(i，j，1)); v11(2)=double(RGB_MS(i，j，2)); v11(3)=double(RGB_MS(i，j，3)); v12(1)=double(RGB_PAN(i，j，1)); v12(2)=double(RGB_PAN(i，j，1)); v12(3)=double(RGB_PAN(i，j，1)); u1=A*v11; u2=A*v12; u1(1)=u2(1); v11=B*u1;

RGB(i，j，1)=v11(1); RGB(i，j，2)=v11(2); RGB(i，j，3)=v11(3); end end

RGB=uint8(round(RGB)); figure(3) imshow(RGB); title('融合图像');

imwrite(RGB，'E:\\毕业设计\\成果图像\\ihs2.jpg'，'jpg'); 实验结果如下图所示：

15

河南理工大学本科毕业论文

图4.1 IHS融合结果图

4.2基于小波变换的融合方法

小波变换（wavelet transform，WT）是数学上一个新的分支，它是一种类似于傅里叶变换的分析方法，其本身是基于短时傅里叶局部化思想，但又有所改善和发展，它克服了短时傅里叶窗口大小不随频率变化的缺点。因此，它能够提供一个随频率改变的“时间-频率”窗口，是信号时间和频率分析的有力工具[11]。其最大的特点是能够通过变换，对图像或信号进行局部处理，并通过伸缩平移运算对信号逐步进行多尺度细化，最终达到高频处有较低的频率分辨率和较高时间分辨率；低频处有着较高的频率分辨率和较低的时间分辨率。由于它可以聚焦到信息的任何细节，适应不同时频信息的处理，而被形象的称为“数学显微镜”。 4.2.1小波变换的原理

小波分析是一种多尺度分析工具，它在数学、计算机仿真科学、物理学、图像处理以及信号信息处理方面有着广泛的应用。它集Fourier分析、泛函数分析、样条分析、数值分析于一体，是近代科学上的一大突破[12]。小波的分类方法有很多，依据处理对象的维数，小波可分为一维和二维小波；依据小波函数的类型，小波可分为连续和离散

16

河南理工大学本科毕业论文

小波。由于连续小波变换处理图像会带有一定的数据冗余，且用于实现小波融合的MATLAB软件中自带的是二维离散小波分析工具，下面简单介绍下离散小波的原理，离散小波可定义为[13]： m?1?t?nb0a0??m?2a?m,n(t)??????at?nb0 00m??a?a0? （4.6）??其中，ψm，n(t)称为小波，a为尺度参数。 相应的离散小波变换则定义为： WTf?m,n??f,?m,n?a0若离散小波序列?j,k??2?????f(t)?m,n?t?dt?a0??2?????f(t)?a0??m 4.7t?nb0dt（）???j,k?z构成一个框架，上下界分别为B、A时，即得到：

当B=A时，?j,k

Af2?f,?m,n2?Bf 2 （4.8）??j,k?z成为一个紧框架，此时得到：

?WT?m,n?fm,n2?Af2 （4.9） （4.10） 这时离散小波的逆变换可以写为： 1f?t??WTf?j,k??j,k?t? Aj,k以上是离散小波的原理介绍，除了需要理解小波分解的原理外，还有一个重要的问题需要弄明白，那就是小波分解怎样应用于图像融合。小波分解可以一层层分解，我们称之为多尺度分解，其分解过程就像一个金字塔一样层层累积，每分解n个层次，就会有（3n+1）个频率子带产生，其中包括1个低频子带和3n个高频子带（分为水平高频、竖直高频和对角高频）。可以分别以不同的规则来处理每一类子带，最后加以小波重构得到融合图像[14]。分解过程如下：

图4.2 小波二级分解过程

17

河南理工大学本科毕业论文

小波分解后，可以分别以不同的融合规则对高频和低频部分进行处理，本文选择的方法是系数融合，即分别把多光谱影像的三个波段和全色影像的波段进行小波分解，然后选择融合系数为0.5，分别把三个多光谱波段和全色波段进行融合处理，得到三个新的融合分量，最后小波重构为融合图像。 4.2.2Matlab实现及结果

小波的实现代码比较简单，因为MATLAB中有小波分解及重构函数，可以直接调用，另外，我们还可以自由选择小波基函数和分解层数[15]。代码如下：

clc clear all %%% 读取图像

mul=imread('C:\\Users\\Administrator\\Desktop/MS.jpg'); hr=imread('C:\\Users\\Administrator\\Desktop/PAN.jpg'); %%% 匹配图像大小 [m，n]=size(hr);

mul=imresize(mul，[m，n]，'bilinear'); %%% 分解多光谱图像 mul_r=mul(:，:，1); mul_g=mul(:，:，2); mul_b=mul(:，:，3); %%% 小波分解

[c_hr，s_hr]=wavedec2(hr，1，'sym4'); [c_r，s_r]=wavedec2(mul_r，1，'sym4'); [c_g，s_g]=wavedec2(mul_g，1，'sym4'); [c_b，s_b]=wavedec2(mul_b，1，'sym4'); %%% 系数融合 c_r=0.5*(c_hr+c_r); c_g=0.5*(c_hr+c_g); c_b=0.5*(c_hr+c_b);

%%% 小波逆变换&直方图匹配 f_r=uint8(waverec2(c_r，s_hr，'sym4')); fc_r=histeq(fc_r);

f_g=uint8(waverec2(c_g，s_hr，'sym4')); fc_g=histeq(fc_g);

f_b=uint8(waverec2(c_b，s_hr，'sym4'));

18

河南理工大学本科毕业论文

fc_b=histeq(fc_b);

fc=cat(3，fc_r，fc_g，fc_b); figure(1)

imshow(fc)，title('小波融合结果'); 程序的运行结果是：

图4.3小波变换融合结果图

4.3基于IHS和小波变换相结合的融合方法

前面两节，详细介绍了IHS变换及小波变换的原理和MATLAB实现步骤，分析原理和结果可以发现，两个算法各有优缺点。比如，IHS变换的融合结果分辨率大大提高，但由于直接用全色影像代替多光谱图像的亮度分量，导致融合结果光谱扭曲比较严重；而小波变换虽然很好的保留了原始图像的光谱特性，但分辨率提高较小。综合分析发现，两种方法有一定的互补性，结合起来将会更加实用。因此，本文研究出一种IHS变换和小波变换相结合的融合方法。该算法经过实验证明具有一定的优越性。

19