刘 静 李小超 祝开建 黄开宇



基于分布式压缩感知的遥感图像融合算法

刘 静*①李小超①②祝开建②黄开宇①

①(西安交通大学电子与信息工程学院 西安 710049)②(西安卫星测控中心宇航动力学国家重点实验室 西安 710043)

针对基于压缩感知(Compressed Sensing, CS)理论的传统遥感图像融合算法未能考虑源图像信息相关性的特点，该文提出一种基于分布式压缩感知(Distributed Compressed Sensing, DCS)的遥感图像融合改进算法。通过DCS的第1联合稀疏模型(Joint Sparsity Model-1, JSM-1)提取源图像低频信息的公共部分和独有部分，再利用独有特征添加(UFA)的融合规则进行融合，从而提高融合精度。选取QuickBird卫星实测图像数据对该文方法和多个传统融合方法进行仿真实验并进行评价指标的对比，结果表明该文方法融合性能相对传统遥感图像融合方法都有不同程度的提高。

遥感图像融合；分布式压缩感知；独有特征添加；信息相关性

1 引言

多光谱(MultiSpectral, MS)图像和全色(PANchromatic, PAN)图像是目前卫星遥感领域最常见的传感器图像，由于二者有信息互补的优势，因此将低分辨率多光谱(Low-Resolution Multispectral, LRM)图像与高分辨率全色(High- Resolution Panchromatic, HRP)图像融合产生高分辨率多光谱(High-Resolution Multispectral, HRM)图像的融合算法成为遥感领域的研究热点。

目前主要的遥感图像融合算法分为两种：一种是分量替换的算法，另一种是多尺度分析的算法[1]。传统的分量替换算法有IHS变换、Brovey变换以及PCA变换等，此类算法产生的高分辨率融合图像有尖锐边缘，但也伴随着严重的光谱失真。Rahmani等人[2]提出了采用自适应系数来改进光谱失真的AIHS(Adaptive Intensity-Hue-Saturation)方法，该方法可以获得更高的光谱分辨率并且增强图像边缘的保真度，虽然光谱失真有所抑制，但效果并不明显。……