欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2020110946354
申请人: 宁波大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-11-14
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种全参考遥感图像融合质量评价方法,其特征在于包括以下步骤:

步骤一、设定待评价的宽度为W且高度为H的遥感融合影像由宽度为W/2且高度为H/2的原始多光谱影像和宽度为W且高度为H的原始全色影像融合得到,设定原始多光谱影像和待评价的遥感融合影像均包含B个不同的波段图像,将原始多光谱影像的第γ个波段图像记(γ) (γ)为{R (x',y')},将待评价的遥感融合影像的第γ个波段图像记为{S (x,y)},将原始全色影像记为{P(x,y)};其中,B为正整数,B为4或8,γ为正整数,1≤γ≤B,γ同时作为波段(γ) (γ)图像的波段标记,1≤x'≤W/2,1≤y'≤H/2,R (x',y')表示{R (x',y')}中坐标位置为(γ) (γ)(x',y')的像素点的像素值,1≤x≤W,1≤y≤H,S (x,y)表示{S (x,y)}中坐标位置为(x,y)的像素点的像素值,P(x,y)表示{P(x,y)}中坐标位置为(x,y)的像素点的像素值;

步骤二、从原始全色影像{P(x,y)}中截取M个尺寸大小为96×96的非重叠的子块;然后将从原始全色影像{P(x,y)}中截取的每个子块中的所有像素点的像素值按序排列构成该子块对应的列向量;再将从原始全色影像{P(x,y)}中截取的M个子块对应的列向量构成的列向量集合记为{Xm|1≤m≤M};其中,M为正整数, m为正整数,1≤m≤M,m同时作为子块的块索引号,Xm表示{Xm|1≤m≤M}中的第m个列向量,也即表示从原始全色影像{P(x,y)}中截取的第m个子块对应的列向量,Xm的维数为(96×96)×1,符号 为向下取整操作符号;

同样,从原始多光谱影像的所有波段图像各自中截取M个尺寸大小为48×48的非重叠的子块,并对原始多光谱影像的所有波段图像各自中相同坐标位置截取的子块标记相同的块索引号,对原始多光谱影像的所有波段图像各自中相同坐标位置截取的子块用波段标记进行标记以指示其来源;然后将从原始多光谱影像的每个波段图像中截取的每个子块中的所有像素点的像素值按序排列构成该子块对应的列向量;再将从原始多光谱影像的每个波段图像中截取的M个子块对应的列向量构成一个列向量集合,将从原始多光谱影像的第γ(γ)个波段图像{R (x',y')}中截取的波段标记为γ的M个子块对应的列向量构成的列向量集合记为 其中, 表示 中的第m个列向量,也即表示原始多光谱影像中的波段标记为γ且块索引号为m的子块对应的列向量,亦为从原始多光谱影(γ)像的第γ个波段图像{R (x',y')}中截取的波段标记为γ的第m个子块对应的列向量,的维数为(48×48)×1;

同样,从待评价的遥感融合影像的所有波段图像各自中截取M个尺寸大小为96×96的非重叠的子块,并对待评价的遥感融合影像的所有波段图像各自中相同坐标位置截取的子块标记与原始多光谱影像的所有波段图像各自中相同坐标位置截取的子块相同的块索引号,对待评价的遥感融合影像的所有波段图像各自中相同坐标位置截取的子块用波段标记进行标记以指示其来源;然后将从待评价的遥感融合影像的每个波段图像中截取的每个子块中的所有像素点的像素值按序排列构成该子块对应的列向量;再将从待评价的遥感融合影像的每个波段图像中截取的M个子块对应的列向量构成一个列向量集合,将从待评价的(γ)遥感融合影像的第γ个波段图像{S (x,y)}中截取的波段标记为γ的M个子块对应的列向量构成的列向量集合记为 其中, 表示 中的第m个列向量,也即表示待评价的遥感融合影像中的波段标记为γ且块索引号为m的子块对应的列向(γ)量,亦为从待评价的遥感融合影像的第γ个波段图像{S (x,y)}中截取的波段标记为γ的第m个子块对应的列向量, 的维数为(96×96)×1;

步骤三、根据 和 计算待评价的遥

感融合影像的所有波段图像中块索引号相同的所有子块对应的亮度分量中的所有像素点的像素值按序排列构成的列向量,将待评价的遥感融合影像的所有波段图像中块索引号为m的所有子块对应的亮度分量中的所有像素点的像素值按序排列构成的列向量记为Lm,然后获得待评价的遥感融合影像的亮度分量的列向量集合,记为{Lm|1≤m≤M};其中, 表示从待评价的遥感融合影像的第1个波段图像(1){S (x,y)}中截取的波段标记为1的M个子块对应的列向量构成的列向量集合

中的第m个列向量, 表示从待评价的遥感融合影像的第2个波段图像{S

(2)

(x,y)}中截取的波段标记为2的M个子块对应的列向量构成的列向量集合

中的第m个列向量, 表示从待评价的遥感融合影像的第3个波段图像{S

(3)

(x,y)}中截取的波段标记为3的M个子块对应的列向量构成的列向量集合

中的第m个列向量,Lm也即为{Lm|1≤m≤M}中的第m个列向量,Lm的维数为(96×96)×1,符号 为向下取整操作符号;

步骤四、计算{Xm|1≤m≤M}中的每个列向量对应的子块中的所有像素点在不同方向下的灰度共生矩阵,将Xm对应的子块中的所有像素点在方向θ下的灰度共生矩阵记为pm,θ,将pm,θ中第j1行第j2列的元素记为pm,θ(j1,j2);然后根据{Xm|1≤m≤M}中的每个列向量对应的子块中的所有像素点在不同方向下的灰度共生矩阵,计算{Xm|1≤m≤M}中的每个列向量对应的子块的空间纹理特征,将Xm对应的子块的空间纹理特征记为 其中,θ∈{0°,45°,

90°,135°},pm,θ的维数为J×J,J表示Xm对应的子块中的所有像素点的灰度级的数目,j1和j2均为正整数,j1和j2的初始值均为1,1≤j1≤J,1≤j2≤J,pm,θ(j1,j2)也即为Xm对应的子块中灰度为j1的像素点与其在相邻方向θ下的灰度为j2的像素点同时出现的概率, 的维数为

16×1;

步骤五、采用Canny边缘检测算子提取出{Xm|1≤m≤M}中的每个列向量对应的子块的边缘图;然后计算{Xm|1≤m≤M}中的每个列向量对应的子块的边缘图的均值、方差、偏度和峰度,并连接起来形成列向量,作为该子块的空间边缘特征,将Xm对应的子块的空间边缘特征记为 由Xm对应的子块的边缘图的均值、方差、偏度和峰度连接起来形成;其中,的维数为4×1;

步骤六、根据{Xm|1≤m≤M}中的每个列向量对应的子块的空间纹理特征和空间边缘特征,获取{Xm|1≤m≤M}中的每个列向量对应的子块的原始特征矢量,将Xm对应的子块的原始特征矢量记为Vm, 其中,上标“T”表示向量或矢量的转置,T

表示将 Om 连接起来形成一个向量,Om表示元素全为0的向

量,若B=4则Om的维数为6×1,而Vm的维数为26×1,若B=8则Om的维数为28×1,而Vm的维数为48×1;

步骤七、根据步骤六获取的{Xm|1≤m≤M}对应的M个原始特征矢量,构造原始全色影像{P(x,y)}的原始多元高斯模型,记为 其中,表示 的均值向量,表示 的协方差矩阵;

步骤八、按照步骤四的过程,以相同的方式计算{Lm|1≤m≤M}中的每个列向量对应的子块的空间纹理特征,将Lm对应的子块的空间纹理特征记为 并按照步骤五的过程,以相同的方式计算{Lm|1≤m≤M}中的每个列向量对应的子块的空间边缘特征,将Lm对应的子块的空间边缘特征记为 其中, 的维数为16×1, 的维数为4×1;

步骤九、根据从原始多光谱影像的各个波段图像中截取的各个子块对应的列向量和从待评价的遥感融合影像的各个波段图像中截取的各个子块对应的列向量,计算待评价的遥感融合影像的所有波段图像中相同块索引号的所有子块的光谱特征矢量,将待评价的遥感融合影像的所有波段图像中块索引号为m的所有子块的光谱特征矢量记为 其中,若B=

4则 的维数为6×1,若B=8则 的维数为28×1;

步骤十、根据{Lm|1≤m≤M}中的每个列向量对应的子块的空间纹理特征和空间边缘特征及待评价的遥感融合影像的所有波段图像中相同块索引号的所有子块的光谱特征矢量,计算待评价的遥感融合影像的所有波段图像中相同块索引号的所有子块的测试特征矢量,将待评价的遥感融合影像的所有波段图像中块索引号为m的所有子块的测试特征矢量记为其中, 表示将 连接起来形成一个向量,若B=4则 的维数为26×1,若B=8则 的维数为48×1;

步骤十一、根据步骤十获取的M个测试特征矢量,按照步骤七的过程,以相同的方式构造待评价的遥感融合影像的原始多元高斯模型,记为 其中, 表示的均值向量, 表示 的协方差矩阵;

步骤十二、根据 和 计算待评价的遥感融合影像的客观质量评价预测

值,记为Q, 其中, 为 的逆。

2.根据权利要求1所述的一种全参考遥感图像融合质量评价方法,其特征在于所述的步骤四中, 的获取过程为:步骤A1、根据Xm对应的子块中的所有像素点在不同方向下的灰度共生矩阵,计算Xm对应的子块在不同方向下的能量值,将Xm对应的子块在方向θ下的能量值记为步骤A2、根据Xm对应的子块中的所有像素点在不同方向下的灰度共生矩阵,计算Xm对应的子块在不同方向下的相关性值,将Xm对应的子块在方向θ下的相关性值记为步骤A3、根据Xm对应的子块中的所有像素点在不同方向下的灰度共生矩阵,计算Xm对应的子块在不同方向下的熵值,将Xm对应的子块在方向θ下的熵值记为步骤A4、根据Xm对应的子块中的所有像素点在不同方向下的灰度共生矩阵,计算Xm对应的子块在不同方向下的对比度值,将Xm对应的子块在方向θ下的对比度值记为其中, 表示pm,θ的水平方向均值, 表示pm,θ的垂直方向均值, 表示pm,θ的水平方向标准差, 表示pm,θ的垂直方向标准差,步骤A5、将Xm对应的子块在所有方向下的能量值、相关性值、熵值和对比度值连接起来形成的列向量作为Xm对应的子块的空间纹理特征

3.根据权利要求1或2所述的一种全参考遥感图像融合质量评价方法,其特征在于所述的步骤七中, 的获取过程为:步骤B1、将{Xm|1≤m≤M}中的所有列向量对应的子块的原始特征矢量构成特征矩阵,记为U, 其中,U的维数为M×Length,若B=4则Length=

26,若B=8则Length=48,V1表示{Xm|1≤m≤M}中的第1个列向量X1对应的子块的原始特征矢量,V2表示{Xm|1≤m≤M}中的第2个列向量X2对应的子块的原始特征矢量,VM表示{Xm|1≤m≤M}中的第M个列向量XM对应的子块的原始特征矢量,U1表示U中第1列的元素构成的列向量,U2表示U中第2列的元素构成的列向量,ULength表示U中第Length列的元素构成的列向量;

步骤B2、计算U中的所有列向量的均值向量和协方差矩阵,对应记为 和

其中,的维数为1×Length, 表示U1中所有元素的均值,

表示U2中所有元素的均值, 表示ULength中所有元素的均值, 的维数为Length×Length,cov(a,b)表示计算向量a中的所有元素与向量b中的所有元素的协方差;

步骤B3、根据 和 构造得到原始全色影像{P(x,y)}的原始多元高斯模型

4.根据权利要求3所述的一种全参考遥感图像融合质量评价方法,其特征在于所述的步骤九中, 的获取过程为:步骤C1、计算原始多光谱影像中波段标记不同而块索引号相同均为m的两个子块之间的光谱差异值,将原始多光谱影像中的波段标记为i1且块索引号为m的子块与波段标记为i2且块索引号为m的子块之间的光谱差异值记为 其中,1≤i1≤B,

1≤i2≤B,i1≠i2,符号“||”为取绝对值符号, 表示原始多光谱影像中的波段标记为i1且块索引号为m的子块对应的列向量, 表示原始多光谱影像中的波段标记为i2且块索引号为m的子块对应的列向量,表示计算 中的所有元素与 中的所有元素的协方差, 表示计

算 中的所有元素的均值, 表示计算 中的所有元素的均值, 表示计算

中的所有元素的标准差, 表示计算 中的所有元素的标准差;

步骤C2、计算待评价的遥感融合影像中波段标记不同而块索引号相同均为m的两个子块之间的光谱差异值,将待评价的遥感融合影像中的波段标记为i1且块索引号为m的子块与波段标记为i2且块索引号为m的子块之间的光谱差异值记为表示待评价的遥感融合影像中的波段标记为i1且块索引号为m的子块对应的列向量,表示待评价的遥感融合影像中的波段标记为i2且块索引号为m的子块对应的列向量,表示计算 中的所有元素与 中的所有元素的协方差, 表示计算中的所有元素的均值, 表示计算 中的所有元素的均值, 表示计算

中的所有元素的标准差, 表示计算 中的所有元素的标准差;

步骤C3、计算待评价的遥感融合影像中波段标记不同而块索引号相同均为m的两个子块之间的光谱特征值,将待评价的遥感融合影像中的波段标记为i1且块索引号为m的子块与波段标记为i2且块索引号为m的子块之间的光谱特征值记为 然后将待评价的遥感融合影像的所有波段图像中块索引号为m的所有子块对应的光谱特征值连接起来形成一个行向量,作为待评价的遥感融合影像的所有波段图像中块索引号为m的所有子块的光谱特征矢量 其中,若B=4则 的维数为6×1,若B=8则 的维数为28×1。