一种基于多级细节注入的高光谱空谱质量增强方法技术

本发明专利技术属于图像处理技术领域，公开了一种基于多级细节注入的高光谱空谱质量增强方法，生成训练图像；构建双分支融合网络，进行训练。构建双分支融合网络提取并融合空间细节，进行训练，从低分高光谱图像和高分全色图像中提取多级空间细节；细节注入，重建高分辨率高光谱图像。在细节注入部分，通过预定义的增益系数所提取的细节将被逐级注入到上采样的高光谱图像中。本发明专利技术通过双分支融合网络融合低分辨率高光谱图像和高分辨率全色图像的空间特征，在两个双向分支中分层处理低分高光谱图像和高分全色图像；对于每一层，将从高分全色图像和低分高光谱图像中捕获的空间特征相结合，注入到上采样的高光谱图像中，获得高分高光谱图像。像。像。

【技术实现步骤摘要】
一种基于多级细节注入的高光谱空谱质量增强方法


[0001]本专利技术属于图像处理
，特别涉及一种高光谱空谱质量增强方法，得到的空间分辨率提高、空谱信息丰富的高质量高光谱融合图像，可用于遥感影像精确分类与目标检测。

技术介绍

[0002]目前，高光谱成像可以获得从可见光到近红外光的数十个甚至数百个关于同一场景的密集采样光谱波段，这使得区分地表上具有相似光谱特征的各种材料成为可能。然而，由于受物理条件限制，高光谱图像的空间分辨率相对较低。低空间性能的高光谱图像不能满足应用程序任务所带来的挑战。高光谱锐化结合了高光谱图像的光谱内容和全色图像的空间细节，获得具有高空间分辨率和丰富光谱信息的锐化高光谱图像。它克服了单个传感器不能同时满足光谱和空间需求的缺点。
[0003]目前图像锐化方法主要分为以下四类：基于简单模型的经典分量替代(component substitution，CS)，多分辨率分析(multiresolution analysis，MRA)锐化方法，以及最近提出的基于复杂模型的矩阵分解和贝叶斯锐化方法。<br/>[0004]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高光谱空谱质量增强方法，其特征在于，所述高光谱空谱质量增强方法包括：生成训练图像；构建双分支融合网络，进行训练；构建双分支融合网络提取并融合空间细节，进行训练，从低分高光谱图像和高分全色图像中提取多级空间细节；细节注入，重建高分辨率高光谱图像；在细节注入部分，通过预定义的增益系数所提取的细节将被逐级注入到上采样的高光谱图像中。2.如权利要求1所述的高光谱空谱质量增强方法，其特征在于，所述生成训练图像包括：获取公开的低分辨率高光谱图像数据集和高分辨率全色图像数据集。3.如权利要求2所述的高光谱空谱质量增强方法，其特征在于，分别获取公开的低分辨率高光谱图像数据集H∈R
m
×
n
×
λ
，和高分辨率的全色图像数据集P∈R
M
×
N
，其中m
×
n分别表示高光谱图像的分辨率，λ为光谱波段数，M
×
N为全色图像的分辨率。4.如权利要求1所述的高光谱空谱质量增强方法，其特征在于，所述构建双分支融合网络，并对其进行训练包括：在基于PCA的高光谱图像锐化算法中，提取的PC1包含了HS图像的主要空间信息；基于PCA的锐化方法的基本原理是用更高分辨率的图像代替PC1，并通过反PCA光谱变换得到锐化图像；高空间分辨率的全色图像通常被作为替代PC1的理想细节图；通过双分支融合网络提取空间分量，其中高光谱图像和全色图像的空间分量在两个独立的分支中进行分层处理；双分支融合包含两个分支：全色图像细节提取分支和细节融合分支。5.如权利要求4所述的高光谱空谱质量增强方法，其特征在于，进一步包括：(1)全色图像细节提取分支由两级组成；对于细节提取分支的第一级，将全色图像输入卷积层，生成一个64通道的特征图；然后通过残差网提取剩余特征，将残差网的输出输入到卷积层中，卷积层的输出是第二层的输入，用于融合由高光谱图像细节提取分支的第二层得到的特征图；全色图像细节提取分支的第一级通过以下公式给出：其中下标1表示第一层，表示第一层的输出，f表示卷积层和残差网函数，第一层和第二层有两个区别：首先，第二级的输入需要通过一个最大池化层，将特征映射降采样到高光谱图像的大小；其次，将第二级的输出与高光谱图像细节提取分支的第一级的输出进行融合，重构空间分量，全色图像细节提取分支的第二级通过以下公式给出：其中，下标2表示第二级，表示第二级的输出；(2)细节融合分支，每级都包含两个卷积层和一个反卷积层：在细节融合分支的第一级，PC1被输入...

【专利技术属性】
技术研发人员：董文倩，张甜，侯少雄，曲家慧，肖嵩，李云松，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：