一种基于多任务盲压缩感知的高光谱视频重建方法技术

本发明专利技术公开了一种一种基于多任务盲压缩感知的高光谱视频重建方法，包括以下步骤：1)输入P帧压缩高光谱视频中的L帧压缩测量其中P≥L，且L＞1，N

【技术实现步骤摘要】
一种基于多任务盲压缩感知的高光谱视频重建方法


[0001]本专利技术属于压缩高光谱视频重建领域，特别涉及一种基于多任务盲压缩感知的高光谱视频重建方法。

技术介绍

[0002]研究表明高光谱成像的光谱特这可以提高追踪、识别、分类和分割等计算机视觉任务的性能。目前，高光谱成像技术已广泛应用于生物医学成像、遥感和天文学等领域。高光谱图像在第三维度即光谱维度上有n个通道，每个通道保存了图像在对应的光谱波段上的信息。所以高光谱图像捕获的是三维数据，即二维的矢量数组，其中包括了每个空间位置的光谱信息。高光谱视频是在高光谱图像的基础上增加了时间维度。基于压缩感知理论，压缩高光谱视频重建又将快照光谱成像拓展到了时间域。受压缩感知理论的启发，利用压缩感知的反演算法重建高光谱视频成为目前一大热点研究问题。
[0003]传统的奈奎斯特采样定理认为如果想让采样之后的数字信号完整保留原始信号中的信息，则采样频率必须大于信号中最高频率的2倍。但在2004年，E.J.Candes、J.Romberg、T.Tao和D.L.Donoho等科学家证明如果信号是稀疏的，那么本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多任务盲压缩感知的高光谱视频重建方法，包括以下步骤：步骤1)获取P帧压缩高光谱视频中的L帧，其中P≥L＞1，重建高光谱视频的压缩感知公式表示为{y
t
}
t＝1，L
＝A{x
t
}
t＝1，L
+{∈
t
}
t＝1，L
，其中，t表示帧数，表示使用CASSI(Coded Aperture Snapshot Spectral Imager)快照相机得到的压缩测量；A表示观测矩阵，基于CASSI快照相机的压缩原理，观测矩阵A表示二进制编码孔径；{x
t
}
t＝1，L
表示每一帧都加入色散的重建高光谱视频，即重建高光谱视频中的每一帧都沿光谱维逐通道移动的结果；N
x
和N
y
分别是重建高光谱视频帧空间维的长和宽，N
s
是光谱维的通道数；{∈
t
}
t＝1，L
表示重建噪声；步骤2)从L个压缩测量中均提取N个尺寸为d
×
d的有重叠的图像块并拉成尺寸为d2×
1的列向量其中d表示图像块的尺寸，m＝d2；将L组图像块输入到多任务非参数贝叶斯字典学习模型中；步骤3)在多任务非参数贝叶斯字典学习模型中，假设字典服从均值为0、协方差是与像素所处的空间和光谱波段有关的多元高斯分布，M＝N
s
d2且m＜＜M；字典权重系数s
ti
服从精度为的多元高斯分布，服从Gamma分布；字典稀疏系数z
tik
服从精度为π
tk
的Bernoulli分布，π
tk
服从Beta分布；重建噪声∈
ti
服从精度为的多元高斯分布，服从Gamma分布；多任务非参数贝叶斯字典学习模型通过任务间共享字典和超参数实现任务间的协同工作，且在每个任务中字典相关系数的推断是独立进行的；通过共轭先验和似然函数的关系推导出每个参数的后验概率公式，吉布斯采样依次更新待估计的所有参数，所述待估计的参数为字典D、字典权重系数s
ti
、字典稀疏系数z
tik
、字典权重系数精度字典稀疏系数精度π
tk
、噪声精度步骤4)由吉布斯采样得到的字典D和字典权重系数s
ti
、字典稀疏系数z
tik
重建图像块，还原图像块并均值平滑图形块的重叠处，再将重建结果沿光谱维逐通道反向移动，得到L帧重建高光谱视频；其中反向移动是指与步骤1)中的色散过程相反的方向移动；经过步骤3)
‑
4)多次迭代，输出最后一次的重建结果；步骤5)基于滑动窗口的思想，对于P帧压缩高光谱视频从步骤1)
‑
4)每轮迭代中能重建得到L帧高光谱视频，经过步骤1)
‑
4)多次迭代，得到压缩高光谱视频中所有帧的重建结果，并均值处理帧的重复重建结果，最终得到完整的高光谱视频。2.如权利要求1中所述的一种基于多任务盲压缩感知的高光谱视频重建方法，其特征在于：步骤2)包括以下步骤：输入经过CASSI快照相机得到的P帧压缩高光谱视频中的L帧压缩测量其中P≥L＞1，初始化子块的尺寸为d
×
d，扫描步长是step,1≤step≤d,将L组压缩测量均提取重叠的小图像块并拉成尺寸为d2×
1的列向量m＝d2；对于L组中的每一组来说，每组图像块的个数N等于输入到下一步骤。3.如权利要求1所述的一种基于多任务盲压缩感知的高光谱视频重建方法，其特征在<...

【专利技术属性】
技术研发人员：张雪松，杨漫，侯泽昱，卢顺杰，
申请(专利权)人：北京睿拓时创科技有限公司，
类型：发明
国别省市：