一种基于非凸低秩稀疏约束的高光谱遥感图像恢复方法技术

基于非凸低秩稀疏约束的高光谱遥感图像恢复方法，属于遥感图像处理中的高光谱遥感图像处理领域，为解决现有的高光谱遥感图像恢复技术不能有效去除噪声的问题，提高图像恢复质量，包括以下步骤：输入高光谱遥感图像；初始化权重系数矩阵、迭代次数和收敛阈值,初始化子图像尺寸和扫描步长，划分子块；建立图像恢复模型；引入辅助变量和正则项系数，利用最大值最小值算法迭代求解；判断恢复结果是否满足收敛条件；达到迭代次数获得符合要求的高光谱恢复图像，否则返回相应步骤继续迭代操作；计算权重系数矩阵，给每个子块分配合适的权重；还原高光谱遥感图像，得到最终恢复的高光谱遥感图像。去噪效果明显，并且保留图像细节。

【技术实现步骤摘要】
一种基于非凸低秩稀疏约束的高光谱遥感图像恢复方法
本专利技术属于遥感图像处理中的高光谱图像处理领域，具体涉及一种基于非凸低秩稀疏约束模型的高光谱遥感图像恢复方法。专利技术背景高光谱遥感成像技术结合光谱分析和光学成像技术，探测目标的二维几何空间及一维光谱信息，获取高分辨率的连续、窄波段的图像数据。目前，高光谱成像技术发展迅速，因其蕴含丰富的地物光谱信息而被广泛应用于环境研究、地质勘探和军事监视等领域。但是由于传感器的物理缺陷、光子效应、传输损失和校准误差等原因，实际中获得的高光谱遥感图像常常会出现各种类型的退化，比如：噪音污染、条纹影响和数据缺失等。这不仅严重降低了图像的质量，还在很大程度上影响了分类、目标检测和解混等高光谱遥感图像的进一步应用。因此，高光谱遥感图像的恢复是一个重要的亟待解决的问题。目前，多种不同高光谱遥感图像的恢复方法被应用于高光谱遥感图像的预处理工作中。近几年有学者提出利用高光谱遥感图像数据的相关性构建稀疏和低秩约束优化方程恢复高光谱遥感图像的方法。比如利用利用高光谱遥感图像低秩特性的低秩矩阵恢复(Low-RankMatrixRecovery，LRMR)方法、噪声自适应迭代低秩矩阵分解(Noise-AdjustedIterativeLow-RankMatrixApproximation，NAILRMA)以及利用高光谱遥感图像稀疏特性的全变分正则化低秩矩阵分解(Total-Variation-RegularizedLow-RankMatrixApproximation，LRTV)方法等。但是此类算法多以低秩约束或稀疏约束的凸松弛l1范数进行约束优化模型的构建，但是l1范数由于收缩效应有时存在估计偏差，影响图像恢复质量；此外，当图像数据矩阵维度增加时，收敛速度常不能达到要求。
技术实现思路
本专利技术的目的旨在针对上述已有技术的不足，提出一种基于非凸低秩和非凸稀疏约束的高光谱遥感图像恢复方法，在去除高光谱遥感图像中噪声的同时保留图像细节，以提高高光谱遥感图像的恢复质量，满足后续应用要求。为实现上述目的，本专利技术所采取的技术方案是：一种基于非凸低秩稀疏约束的高光谱遥感图像恢复方法，所述方法包含以下步骤：(1)输入含有混合噪声的高光谱遥感图像Y，Y的大小为M×N×B，其中M和N分别代表各波段高光谱遥感图像的长和宽，B代表高光谱遥感图像波段数；定义恢复后的图像X*，初始化变量X(0)＝Y，X*是X(0)经过一定迭代次数后的恢复图像，初始化X*的权重系数矩阵Weight，初始化迭代次数和收敛阈值；定义子块的尺寸p和扫描步长s，并将高光谱遥感图像Y按照预设的尺寸p和扫描步长s划分为若干个部分重叠的子块；(2)对于选取的第i个子块Yi，将受噪声污染的高光谱遥感图像分解为其中为没有噪声污染的干净的高光谱遥感图像，Ji为包括高斯噪声、条带噪声、脉冲噪声的混合噪声；根据求解逆问题并引入非凸低秩约束正则项LR(Xi)和非凸稀疏约束正则项S(Xi)，构建高光谱遥感图像的每个子块的恢复模型：式(2)是利用高光谱遥感图像的低秩性和稀疏性的先验信息建立的图像恢复模型，其中，||·||表示矩阵二范数，α1和α2是用于平衡数据一致性项||Xi-Yi||2和正则项LR(Xi)和S(Xi)的两个正则项系数；Xi表示第i个子块的当前迭代次数的恢复图像；(3)分别在LR(Xi)和S(Xi)中引入辅助变量R、Tg，利用交替迭代最小化算法分别迭代求解恢复图像X*和辅助变量R、Tg，过程如下：首先利用含有辅助变量R、Tg的X*的二次函数最大化惩罚项，构造恢复模型的代价函数，然后利用迭代交替最小化方法最小化代价函数，求解得到X*、R、Tg；(4)判断当前恢复图像是否满足收敛条件，若满足，进入步骤(5)，否则进入步骤(3)，继续利用交替迭代最小化算法迭代求解恢复图像X*和辅助变量R、Tg；(5)判断是否满足迭代次数，若满足，则获得最终恢复的高光谱遥感图像子块并执行步骤(6)，否则返回步骤(3)继续用交替迭代最小化算法迭代求解恢复图像和辅助变量R、Tg；(6)计算X*的权重系数矩阵Weight；(7)将恢复好的子块图像按照原位置排列，乘上步骤(6)中得到的权重系数矩阵Weight，还原高光谱遥感图像，得到最终恢复的高光谱遥感图像X*。本专利技术的有益效果是：本专利技术的技术要点为：输入高光谱遥感图像；初始化权重系数矩阵、迭代次数和收敛阈值,初始化子图像尺寸和扫描步长，划分子块；建立图像恢复模型；引入辅助变量和正则项系数，利用最大值最小值算法迭代求解；判断恢复结果是否满足收敛条件；达到迭代次数获得符合要求的高光谱恢复图像，否则返回相应步骤继续迭代操作；计算权重系数矩阵，给每个子块分配合适的权重；还原高光谱遥感图像，得到最终恢复的高光谱遥感图像。本专利技术解决了现有的高光谱遥感图像恢复技术不能有效去除噪声的问题，提高了图像恢复质量。利用本专利技术提出的基于非凸低秩稀疏约束的方法恢复高光谱遥感图像，更加充分地挖掘了高光谱遥感图像潜在的低秩性和稀疏性，图像的恢复质量比较高，去噪效果明显，并且有效地保留了图像的边缘细节，能够更好的满足高光谱遥感图像分类、目标检测等后续应用的需求。实验结果表明，与低秩矩阵恢复方法(LRMR)，全变分正则化低秩矩阵分解方法(LRTV)，噪声自适应迭代低秩矩阵逼近方法(NAILRMA)相比，本专利技术方法能在相同的噪声水平下获得更高的图像恢复质量，去噪效果明显，并且保留图像细节，有效实现了高光谱遥感图像恢复的目的。附图说明图1为本专利技术方法流程图(基于非凸低秩稀疏约束的高光谱遥感图像恢复方法流程图)；图2为EO-1HyperionAustralia数据集恢复效果图，第52波段恢复效果。图3为HYDICEWashingtonDCMall数据集恢复效果图，第1波段恢复效果。具体实施方法下面结合附图和实施实例对本专利技术进行详细说明。如图1所示，本专利技术的具体实施步骤如下：一种基于非凸低秩稀疏约束的高光谱遥感图像恢复方法，所述方法包含以下步骤：(1)输入含有混合噪声的高光谱遥感图像Y，Y的大小为M×N×B，其中M和N分别代表各波段高光谱遥感图像的长和宽，B代表高光谱遥感图像波段数；定义恢复后的图像X*，初始化变量X(0)＝Y，X*是X(0)经过一定迭代次数后的恢复图像，初始化X*的权重系数矩阵Weight，初始化迭代次数和收敛阈值；定义子块的尺寸p和扫描步长s，并将高光谱遥感图像Y按照预设的尺寸p和扫描步长s划分为若干个部分重叠的子块；(2)对于选取的第i个子块Yi，将受噪声污染的高光谱遥感图像分解为其中为没有噪声污染的干净的高光谱遥感图像，Ji为包括高斯噪声、条带噪声、脉冲噪声的混合噪声；根据求解逆问题并引入非凸低秩约束正则项LR(Xi)和非凸稀疏约束正则项S(Xi)，构建高光谱遥感图像的每个子块的恢复模型：式(2)是利用高光谱遥感图像的低秩性和稀疏性的先验信息建立的图像恢复模型，其中，||·||表示矩阵二范数，α1和α2是用于平衡数据一致性项||Xi-Yi||2和正则项LR(Xi)和S(Xi)的两个正则项系数；Xi表示第i个子块的当前迭代次数的恢复图像；(3)分别在LR(Xi)和S(Xi)中引入辅助变量R、Tg，利用交替迭代最小化算法分别迭代求解恢复本文档来自技高网...

【技术保护点】
1.一种基于非凸低秩稀疏约束的高光谱遥感图像恢复方法，其特征在于，所述方法包含以下步骤：(1)输入含有混合噪声的高光谱遥感图像Y，Y的大小为M×N×B，其中M和N分别代表各波段高光谱遥感图像的长和宽，B代表高光谱遥感图像波段数；定义恢复后的图像X*，初始化变量X(0)＝Y，X*是X(0)经过一定迭代次数后的恢复图像，初始化X*的权重系数矩阵Weight，初始化迭代次数和收敛阈值；定义子块的尺寸p和扫描步长s，并将高光谱遥感图像Y按照预设的尺寸p和扫描步长s划分为若干个部分重叠的子块；(2)对于选取的第i个子块Yi，将受噪声污染的高光谱遥感图像分解为

【技术特征摘要】
1.一种基于非凸低秩稀疏约束的高光谱遥感图像恢复方法，其特征在于，所述方法包含以下步骤：(1)输入含有混合噪声的高光谱遥感图像Y，Y的大小为M×N×B，其中M和N分别代表各波段高光谱遥感图像的长和宽，B代表高光谱遥感图像波段数；定义恢复后的图像X*，初始化变量X(0)＝Y，X*是X(0)经过一定迭代次数后的恢复图像，初始化X*的权重系数矩阵Weight，初始化迭代次数和收敛阈值；定义子块的尺寸p和扫描步长s，并将高光谱遥感图像Y按照预设的尺寸p和扫描步长s划分为若干个部分重叠的子块；(2)对于选取的第i个子块Yi，将受噪声污染的高光谱遥感图像分解为其中为没有噪声污染的干净的高光谱遥感图像，Ji为包括高斯噪声、条带噪声、脉冲噪声的混合噪声；根据求解逆问题并引入非凸低秩约束正则项LR(Xi)和非凸稀疏约束正则项S(Xi)，构建高光谱遥感图像的每个子块的恢复模型：式(2)是利用高光谱遥感图像的低秩性和稀疏性的先验信息建立的图像恢复模型，其中，||·||表示矩阵二范数，α1和α2是用于平衡数据一致性项||Xi-Yi||2和正则项LR(Xi)和S(Xi)的两个正则项系数；Xi表示第i个子块的当前迭代次数的恢复图像；(3)分别在LR(Xi)和S(Xi)中引入辅助变量R、Tg，利用交替迭代最小化算法分别迭代求解恢复图像X*和辅助变量R、Tg，过程如下：首先利用含有辅助变量R、Tg的X*的二次函数最大化惩罚项，构造恢复模型的代价函数，然后利用迭代交替最小化方法最小化代价函数，求解得到X*、R、Tg；(4)判断当前恢复图像是否满足收敛条件，若满足，进入步骤(5)，否则进入步骤(3)，继续利用交替迭代最小化算法迭代求解恢复图像X*和辅助变量R、Tg；(5)判断是否满足迭代次数，若满足，则获得最终恢复的高光谱遥感图像子块并执行步骤(6)，否则返回步骤(3)继续用交替迭代最小化算法迭代求解恢复图像和辅助变量R、Tg；(6)计算X*的权重系数矩阵Weight；(7)将恢复好的子块图像按照原位置排列，乘上步骤(6)中得到的权重系数矩阵Weight，还原高光谱遥感图像，得到最终恢复的高光谱遥感图像X*。2.根据权利要求1所述的一种基于非凸低秩稀疏约束的高光谱遥感图像恢复方法，其特征在于，在步骤一中，初始化X*的权重系数矩阵Weight为大小是M×N×B的零矩阵；定义子块的尺寸为p×p×B，扫描步长为s，其中1≤s≤p；按照预设的子块尺寸和扫描步长把高光谱遥感图像划分为若干个部分重叠的子块，共计个；p×p×B表示子块的长度×宽度×波段数。3.根据权利要求2所述的一种基于非凸低秩稀疏约束的高光谱遥感图像恢复方法，其特征在于，步骤(2)中包含以下操作步骤：步骤2-1，选取第i个子块分解受噪声污染的高光谱遥感图像，建立如下退化模型：其中，Yi表示含有混合噪声的高光谱遥感图像，表示恢复后没有噪声影响的高光谱遥感图像，Ji表示包含高斯噪声、脉冲噪声、条带噪声的混合噪声，Yi、Ji的大小均为p×p×B；步骤2-2，基于秩函数的非凸近似...

【专利技术属性】
技术研发人员：胡悦，李晓迪，赵旷世，苑鑫，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23