基于结构稀疏的高光谱图像重建方法技术
【技术实现步骤摘要】
基于结构稀疏的高光谱图像重建方法
本专利技术属于图像处理
，具体涉及一种高光谱图像重建方法，可用于采样的光谱图像恢复。
技术介绍
高光谱图像在国防科学研究和军事应用领域均有着重要需求。根据奈奎斯特采样定理，传统的成像系统只有在系统的采集频率不低于奈奎斯特采样频率才能获得高质量光谱数据。由于现有成像器件信号采集性能的限制，传统的成像系统不能从硬件上进一步提升光谱数据的空间、时间及谱间分辨率。为了克服传统的光谱图像成像系统自身的硬件缺陷造成的成像分辨率不高，国内外研究学者提出了基于压缩感知编码和计算重建的高分辨率光谱成像新方法。这种方法是首先利用压缩感知编码获得混叠光谱图像信息，然后通过计算重建的方法从混叠光谱图像信息中重建出高分辨率的高光谱图像。压缩感知编码过程使用现有的已成熟的美国杜克大学的编码孔径快照压缩感知光谱成像技术。压缩感知高光谱重建有许多种方法，全变差模型不能很好保持图像结构，基于稀疏表示的压缩感知高光谱图像重建方法的效果好坏，主要在于能否选择合适的变换基来表示高光谱图像。现有的变换基的选取通常为离散余弦变换DCT基、小波基、以及过完备字典。其中，...
【技术保护点】
基于结构稀疏的高光谱图像重建方法，包括如下步骤：(1)对输入的高光谱原始观测数据y进行离散余弦变换DCT重建，得到初始恢复图像x
【技术特征摘要】
1.基于结构稀疏的高光谱图像重建方法，包括如下步骤：(1)对输入的高光谱原始观测数据y进行离散余弦变换DCT重建，得到初始恢复图像x0；(2)初始化最大循环次数T＝150,设置循环次数：t＝1,2,...,T；(3)将初始恢复得到的图像x0作为观测数据y进行反投影，得到第t次反投影后的图像：xt＝xt-1+λ(ΗT(y-Hxt-1))，其中，H为等效观测变换算子，HT是H的转置，即等效观测反变换算子，λ是迭代步长，λ＞0；(4)对反投影得到的图像xt，生成相似块矩阵索引集合Gi和相似块矩阵权重集合Wi；(5)对反投影得到的图像xt分块利用k-means聚类算法进行聚类，得到图像块样本：是第i类图像块；(6)对每一类图像块学习一个空间域字典和一个光谱域字典(7)根据空间域字典和光谱域字典以及优化图像的目标函数计算阈值其中，表示目标函数取得最小值时x所取的值，||·||2表示2范数，||·||1表示1范数，y为观测得到的图像，H表示等效观测算子，Rq为取块矩阵，为稀疏系数，β是对α的有效估计，即相似块矩阵的稀疏系数，c是一个常数，是α-β的方差，是高斯噪声方差；(8)利用空间域字典计算每一类图像块的空间域稀疏系数利用光谱域字典计算每一类图像块的光谱域稀疏系数其中，表示将变换为b2k×L大小的二维矩阵并与相乘的算子，(9)将光谱域稀疏系数与阈值τ进行比较：将稀疏系数中小于阈值τ的元素置零，其余元素不变，得到阈值处理结果即(10)根据处理后的稀疏系数得到每一个图像块的稀疏系数从而得到重建后的每一个光谱域图像块：将光谱域图像块作为空间域稀疏系数，得到重建后的空间域图像块：将所有图像块恢复为b×b×L的三维图像块形式并按索引放回，得到一次重建后的光谱图像xq＝Rqxt，Rq表示取块矩阵，其中，(11)循环执行T次步骤(3)-(10)，得到最终的高光谱图像x。2.根据权利要求1所述的方法，其中步骤(1)中对输入的高光谱原始观测数据y进行离散余弦变换DCT重建，得到初始恢复图像x0，按如下步骤进行：(1a)对原始观测数据y进行反变换，得到初始图像f0＝HTy，(1b)初始化最大循环次数E＝300,设置循环次数：e＝1,2,...,E；(1c)对初始图像f0进行反投影，得到反投影后的图像：fe＝fe-1+λ(HT(y-Hfe-1))，其中，H为等效观测变换算子，HT是H的转置，即等效观测反变换算子，λ是迭代步长，λ＞0；(1d)对反投影得到的图像fe进行离散余弦变换，得到离散余弦变换基D；(1e)根据离散余弦变换基D，得到离散余弦变换系数(1f)将离散余弦变换系数与阈值τd进行比较：将系数中小于阈值τd的元素置零，其余元素不变，得到阈值处理结果即(1g)根据处理后的系数得到重建后的初始恢复：(1h)对重建得到的图像进行反投影...
【专利技术属性】
技术研发人员：董伟生，流水，傅发佐，石光明，谢雪梅，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。