[發(fā)明專利]基于空譜聯(lián)合壓縮感知的高光譜重建方法、設(shè)備及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010295943.7
• 申請日: 2020-04-15
• 公開（公告）號: CN111508065B
• 公開（公告）日: 2023-06-16
• 發(fā)明（設(shè)計）人: 王忠良;粘永健;何密;肖晶晶;喬梁
• 申請（專利權(quán)）人: 銅陵學(xué)院;中國人民解放軍陸軍軍醫(yī)大學(xué)
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06F17/16
• 代理公司: 重慶雙馬智翔專利代理事務(wù)所(普通合伙) 50241
• 代理人: 顧曉玲

本發(fā)明公開了一種基于空譜聯(lián)合壓縮感知的高光譜重建方法、設(shè)備及系統(tǒng)。方法包括：采用空譜聯(lián)合雙采樣方法從原始高光譜圖像中分別獲取空間觀測數(shù)據(jù)Ysubgt;N/subgt;和譜間觀測數(shù)據(jù)Ysubgt;L/subgt;；建立高光譜圖像重建模型：X＝ES+MH；基于光譜解混的思想，利用空間觀測數(shù)據(jù)Ysubgt;N/subgt;和譜間觀測數(shù)據(jù)Ysubgt;L/subgt;獲得E、S、M和H的最優(yōu)值；將E、S、M和H的最優(yōu)值分別代入所建立的重建模型，進而重建出原始高光譜圖像數(shù)據(jù)X。本發(fā)明在傳統(tǒng)線性混合模型(X＝ES)的基礎(chǔ)上引入MH補償項，能夠有效改善因環(huán)境條件的變化、測量設(shè)備的變動以及多重散射和緊密混合等非線性效應(yīng)所導(dǎo)致的重建精度不高問題，進一步提高了高光譜圖像的重建質(zhì)量。

技術(shù)領(lǐng)域

本發(fā)明涉及高光譜壓縮感知重建領(lǐng)域，特別是涉及一種基于空譜聯(lián)合壓縮感知的高光譜重建方法、設(shè)備及系統(tǒng)。

背景技術(shù)

高光譜圖像(HyperSpectral?Imagery,HSI)可以提供豐富的地物光譜信息，在礦物勘探、農(nóng)業(yè)生產(chǎn)、環(huán)境與災(zāi)害監(jiān)測等領(lǐng)域得到廣泛應(yīng)用。然而，隨著分辨率的不斷提高，成像光譜儀獲取的數(shù)據(jù)量呈指數(shù)量級增長。海量的高光譜數(shù)據(jù)給機載或者星載成像系統(tǒng)的功耗、計算能力以及數(shù)據(jù)的實時傳輸均帶來了巨大壓力。壓縮感知(Compressed?Sensing,CS)技術(shù)能以較低的采樣率(遠低于奈奎斯特采樣率)采集數(shù)據(jù)，將數(shù)據(jù)采集與壓縮融為一體，在成像的同時完成數(shù)據(jù)壓縮，適合解決機載或者星載高光譜成像平臺數(shù)據(jù)采集與壓縮難題。高光譜圖像由于典型的空譜結(jié)構(gòu)，其采樣方式多種多樣，如單純的空間采樣和譜間采樣、空譜聯(lián)合雙采樣等。

基于高光譜采樣數(shù)據(jù)的重建是高光譜壓縮感知研究中的關(guān)鍵問題之一。高光譜圖像通常由幾十甚至幾百個波段的灰度圖像組成，不同于彩色圖像的形成僅包含RGB三個通道。為表述方便，通常用矩陣表示一幅三維的高光譜圖像。這里，X的一列對應(yīng)某像元的光譜特征，每行對應(yīng)任一波段空間圖像的所有像素點；L為光譜波段數(shù)，N為空間像素數(shù)。

在高光譜圖像的解混研究中，線性混合模型(Linear?Mixing?Model,LMM)作為一種簡單而有效的近似模型被廣泛采用。在線性混合模型中，將高光譜圖像矩陣分解為端元矩陣和豐度矩陣的乘積。近年來，在LMM的假設(shè)下，基于光譜解混的重建方法逐漸應(yīng)用于高光譜CS重建，不但提高了重建速度，而且較大程度地提高了重建質(zhì)量。現(xiàn)有的基于光譜解混的重建算法大都建立在傳統(tǒng)的LMM基礎(chǔ)上。然而，由于環(huán)境條件的變化、測量設(shè)備的變動等導(dǎo)致的端元變異，以及多重散射和緊密混合等產(chǎn)生的非線性效應(yīng)都會影響LMM模型的精度，降低了LMM的適用性。

發(fā)明內(nèi)容

本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題，特別創(chuàng)新地提出了一種基于空譜聯(lián)合壓縮感知的高光譜重建方法、設(shè)備及系統(tǒng)。

為了實現(xiàn)本發(fā)明的上述目的，根據(jù)本發(fā)明的第一個方面，本發(fā)明提供了一種基于空譜聯(lián)合壓縮感知的高光譜重建方法，包括：步驟S1，獲取原始高光譜圖像在空譜聯(lián)合雙采樣后的空間觀測數(shù)據(jù)Y_N和譜間觀測數(shù)據(jù)Y_L，Y_N＝A_NX，Y_L＝A_LX；其中，矩陣X表示需要重建的原始高光譜圖像數(shù)據(jù)，A_N為空間測量矩陣，A_L為譜間測量矩陣；步驟S2，建立重建模型：X＝ES+MH；其中，E表示基于空間觀測數(shù)據(jù)Y_N獲取的端元矩陣；S表示與端元矩陣E對應(yīng)的豐度矩陣；M表示由端元變異、非線性效應(yīng)和模型不匹配三個因素中的一個或多個影響產(chǎn)生的新的端元矩陣；H表示與新端元矩陣M對應(yīng)的豐度矩陣；利用空間觀測數(shù)據(jù)Y_N和譜間觀測數(shù)據(jù)Y_L獲得E、S、M和H的最優(yōu)值；步驟S3，將E、S、M和H的最優(yōu)值代入步驟S2中的重建模型重建出原始高光譜圖像數(shù)據(jù)X。