【数字图像处理matlab】(基于PCA的影像融合）

【数字图像处理matlab】(基于PCA的影像融合）

HR为高分辨影像，MS为多光谱影像。(注：我的这两张图像分辨率是一样的，所以当时没有加重采样代码，如果分辨率不一样应该先将多光谱影像采样到全色波段一样的分辨率)

基于PCA的影像融合原理：
（1）将多光谱图像进行PCA正变换，计算多光谱影像的协方差矩阵Cov，经过特征值分解，获得特征值矩阵E和特征向量矩阵EV。变换后的像元值计算：Y=X*EV
最后，形成按能量排序的正交分量：第1主分量、第2主分量、…第n主分量；
（2）将高分辨率影像和第1主分量进行直方图匹配，使高分辨率影像与第一主分量影像有相近的均值和方差；
（3）用直方图匹配后的高分辨率影像代替主分量中的第一主分量，并与其余主分量一起进行主分量逆变换，获得高分辨率的多光谱融合图像。

function F=PCA_melt(HR,MS)
%调用代码-------------------------------
%Image1=imread('HR.jpg');Image2=imread('MS.jpg');
%PCA_melt(Image1,Image2);
%--------------------------------------
HR=im2double(HR);
MS=im2double(MS);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%PCA变换
[row,column,bands]=size(MS);
X=reshape(MS,[row*column,bands]);     %每一波段的数据保存在一列  
Cov=cov(X);        %求方差协方差矩阵,第(i,j)个元素等于X的第i列向量与第j列向量的方差
[vector,value]=eig(Cov);     %a为特征向量矩阵(一列为一个特征向量)，b为特征值矩阵(排序为从小到大）
vector=fliplr(vector);        %fliplr()翻转特征值与特征向量矩阵，实现由大到小排序
value=fliplr(value);   value=flipud(value); 
%Y=vector'*X',    %3*3/3*b--3*b 每一行为一个波段
Y=X*vector;     %每一列为一个波段

Major=reshape(Y(:,1),[row,column]);
[counts,X]=imhist(Major/max(max(Major)));
HR1=histeq(HR,counts);  %高分辨率影像进行直方图均衡化
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%高分辨率影像替代第一主分量
Y(:,1)=reshape(HR1*max(max(HR)),[row*column,1]);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%PCA逆变换%%%%%%%%
Image1=Y*inv(vector);   %pexel*3-3*3
Image1=reshape(Image1,[row,column,bands]);
imshow(Image1);title('基于PCA的影像融合');


end

测试：