【技术实现步骤摘要】
高光谱图像的空间分辨率增强方法、装置及电子设备
[0001]本申请涉及软件
，尤其是涉及一种高光谱图像的空间分辨率增强方法、装置及电子设备。
技术介绍
[0002]光谱成像技术可以同时获取二维空间图像信息和一维光谱信息，但目前的光谱成像技术获取的光谱图像立方体普遍存在无法同时达到高光谱分辨率和高空间图像分辨率的问题。针对上述问题，目前的解决方法为在残差模块预测的基础上，利用卷积神经网络训练进行光谱图像立方体增强。但是在实际应用中，当目前光源环境不被包括于模型训练数据集中时，预测方法就变得不再准确，而且，这种基于深度学习的重构算法对于颜色变化范围较小的图像块的光谱预测精度较低。
技术实现思路
[0003]本申请的目的在于提供一种高光谱图像的空间分辨率增强方法、装置及电子设备，能够提高高光谱图像的空间分辨率。
[0004]第一方面，本申请实施例提供一种高光谱图像的空间分辨率增强方法，方法包括：获取目标高光谱图像、目标高光谱图像分别对应的第一图像和第二图像；第一图像的分辨率低于第二图像的分辨率；第一图...
【技术保护点】
【技术特征摘要】
1.一种高光谱图像的空间分辨率增强方法，其特征在于，所述方法包括：获取目标高光谱图像、所述目标高光谱图像分别对应的第一图像和第二图像；所述第一图像的分辨率低于所述第二图像的分辨率；所述第一图像和所述第二图像均为指定光源信息下的IPT颜色空间图像；将所述第一图像和所述第二图像分别进行预设分块处理，得到多组图像块；将每组图像块中的第一图像块和第二图像块分别作为第一当前图像块和第二当前图像块，执行以下步骤：基于所述第一当前图像块和所述第二当前图像块进行聚类色差分析，确定所述第一当前图像块中的多个目标聚类中心及每个所述目标聚类中心在所述第二当前图像块中对应的重构簇；基于所述目标高光谱图像，获取每个所述目标聚类中心对应的光谱特征；基于每个所述目标聚类中心对应的光谱特征及重构簇，对所述第二当前图像块进行图像重构，得到该组图像块对应的高空间分辨率高光谱图像块；将多组所述图像块分别对应的高空间分辨率高光谱图像块进行拼合，得到所述目标高光谱图像对应的高空间分辨率的高光谱图像。2.根据权利要求1所述的方法，其特征在于，获取目标高光谱图像、所述目标高光谱图像分别对应的第一图像和第二图像的步骤，包括：通过光谱仪在指定光源信息下对目标进行拍摄，得到目标高光谱图像；通过高空间分辨率相机对所述目标进行拍摄，得到目标高分辨率图像；分别将所述目标高光谱图像和所述目标高分辨率图像在所述指定光源信息下转换至IPT颜色空间，得到所述目标高光谱图像分别对应的第一图像和第二图像。3.根据权利要求1所述的方法，其特征在于，将所述第一图像和所述第二图像分别进行预设分块处理，得到多组图像块的步骤，包括：将所述第一图像和所述第二图像分别作为当前图像，均执行以下分块步骤：对所述当前图像进行第一预设次数的横向切割和第二预设次数的纵向切割，得到所述当前图像对应的多个图像块。4.根据权利要求1所述的方法，其特征在于，基于所述第一当前图像块和所述第二当前图像块进行聚类色差分析，确定所述第一当前图像块中的多个目标聚类中心及每个所述目标聚类中心在所述第二当前图像块中对应的重构簇的步骤，包括：确定所述第一当前图像块中的多个指定聚类中心；分别将所述第二当前图像块中的每个点作为当前点，均执行以下步骤：计算所述当前点与每个所述指定聚类中心之间的色差距离值；将所述当前点归入最小色差距离值对应的指定聚类中心的簇中；将多个所述指定聚类中心中有当前点归入的指定聚类中心，确定为所述第一当前图像块中的目标聚类中心；针对每个目标聚类中心，将归入该目标聚类中心的当前点的集合，作为该目标聚类中心在所述第二当前图像块中对应的重构簇。5.根据权利要求1所述的方法，其特征在于，计算所述当前点与每个所述指定聚类中心之间的色差距离值的步骤，包括：将每个所述指定聚类中心作为当前聚类中心，均执行以下步骤：
根据所述当前点...
【专利技术属性】
技术研发人员：廉玉生，曹栩珩，刘金钠，胡永乐，呼香美，王彩艺，何孜孜，陈颖雯，储熠阳，
申请(专利权)人：北京印刷学院，
类型：发明
国别省市：
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。