[發明專利]基于空譜聯合的多假設預測高光譜圖像壓縮感知重構方法

在審

• 申請號: 202010601030.3
• 申請日: 2020-06-28
• 公開（公告）號: CN111754593A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 王麗;王威
• 申請（專利權）人: 西安航空學院
• 主分類號: G06T9/00
• 分類號: G06T9/00;G01J3/28;G01N21/25
• 代理公司: 鄭州龍騰盛世專利代理事務所(普通合伙) 41174
• 代理人: 張強

1.一種基于空譜聯合的多假設預測高光譜圖像壓縮感知重構方法，其特征在于，首先在采樣端，對高光譜圖像的每個波段圖像采用分塊壓縮感知進行采樣，并將測量值傳遞至重構端；然后在重構端，構建全局重構模型，構造用于重構整幅圖像的全局測量矩陣；分析每個波段圖像的平滑特性和不同波段圖像間的譜間相關性，利用全變分和多假設預測對平滑特性和譜間相關性進行描述，將全變分最小和多假設預測殘差作為正則項，構造空間全變分最小和譜間預測殘差最小的復合重構優化問題；最后利用增廣拉格朗日乘子算法和交替方向法對復合重構優化問題進行求解得到高光譜圖像的重構結果；具體步驟如下：

S1、在采樣端，高光譜圖像的波段數為L，第l個波段圖像記為X_l，波段圖像的空間像素大小為N×N，行數和列數分別記為r和c，1≤r≤N，1≤c≤N；對高光譜圖像的每個波段圖像進行分塊壓縮感知測量，分塊大小為B，分塊個數為K，圖像塊號表示為k，則第l個波段第k個圖像塊記為X_l,k；利用高斯測量矩陣Φ_B對圖像塊X_l,k進行測量，得到測量值為y_l,k；對每個波段圖像進行測量后，將所有測量值傳輸至重構端；

S2、在重構端，利用測量矩陣Φ_B對角化構造整個波段圖像的測量矩陣Φ，Φ＝diag[Φ_B；Φ_B；...；Φ_B]；

S3、對波段圖像的每個像素位置按照列優先的順序進行標號，圖像第r行第c列的標號為n＝(c-1)*N+r，整個波段圖像的像素位置標號范圍是[1，N×N]；對波段圖像進行分塊后，將每個波段圖像塊中的像素位置標號按照列優先的順序計入數組即數組S的第nn個值S(nn)表示的是圖像第r行第c列像素的標號n，也即S(nn)＝n；其中nn＝(ck-1)*N*B+(cc-1)*B+rr，表示向上取整，cc＝c-(ck-1)*B，rr＝r-(rk-1)*B；

S4、根據數組S構建排序算子R_e∈R^N×N，排序算子R_e的第nn行第S(nn)列的元素值為1，其他元素為0；

S5、利用測量矩陣Φ和排序算子R_e，根據公式(1)構造用于重構整幅圖像的全局測量矩陣Φ_g：

Φ_g＝ΦR_e (1)；

S6、利用光滑Landweber投影方法(SPL)對所有波段圖像進行初始重構，得到初始重構圖像

S7、設定iter表示迭代次數，最大迭代次數為Maxiter，設定懲罰參數的上界為β_max，懲罰參數的初始值為設定輔助參數的初始值為令iter＝1，l＝1；

S8、如果l＞L，則令iter＝iter+1，l＝1，并轉入步驟S9；否則轉入步驟S10；

S9、如果iter＞Maxiter，則重構過程結束；否則轉入步驟S10；

S10、對于波段圖像X_l，構建公式(2)所示的復合重構優化模型：

公式(2)中，λ₁和λ₂是正則化參數，分別用于衡量全變分和多假設預測殘差對整體重構優化問題的影響程度，||X_l||_TV＝||D_hX_l||₁+||D_vX_l||₁，D_h和D_v分別是水平和垂直梯度算子；H_l,k是多假設預測矩陣，ω_l,k是多假設預測系數；是將X_l,k從X_l中進行分離的分離矩陣；

S11、引入輔助參數J_l和Q_l，將公式(2)轉換為公式(3)所示的有約束優化問題：

S12、將公式(3)重寫為公式(4)所示的增廣拉格朗日方程形式：

公式(4)中，d_l,1和d_l,2是拉格朗日乘子，β_l＞0是懲罰參數；

S13、利用交替方向法對復合重構優化問題求解公式(4)，得到重構圖像

S14、令l＝l+1，轉入步驟S8。