[發明專利]基于單張RGB圖像和非監督學習的高光譜圖像復原方法

有效

• 申請號: 202110450105.7
• 申請日: 2021-04-25
• 公開（公告）號: CN113269684B
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 張俊超;趙黨軍;陳濺來;楊德貴;梁步閣
• 申請（專利權）人: 中南大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06V10/74;G06V10/774;G06K9/62
• 代理公司: 北京潤平知識產權代理有限公司 11283
• 代理人: 周春雨

1.一種基于單張RGB圖像和非監督學習的高光譜圖像復原方法，其特征在于，包括如下步驟：

A)獲取高光譜圖像數據集中同一研究區域內的高光譜圖像數據以及RGB圖像數據，以研究所述高光譜圖像數據的統計屬性、相鄰波段的光譜響應差和不同波段之間的結構相似性、以及所述高光譜圖像數據與所述RGB圖像數據之間的相關性；同一研究區域內的所述RGB圖像數據和多組所述高光譜圖像數據之間的所述統計屬性I_c(u，v)表示為：

其中，(u，v)表示空間坐標，H(u，v，i)表示i波段的所述高光譜圖像數據，c∈{R，G，B}，R為紅色通道，G為綠色通道，B為藍色通道； r_c(i)表示通道c在波段i處的頻譜響應；將所述高光譜圖像數據歸一化，并設所述高光譜圖像數據中的波段跨度為d納米，則所述相鄰波段的光譜響應差D表示為：

其中，k和k+d(n-1)表示所述高光譜圖像數據中的波段范圍，H(u，v，i+d)表示i+d波段的所述高光譜圖像數據，||·||₁表示L₁范數；所述不同波段之間的結構相似性由結構相似度ssim(X，Y)表示：

其中，X＝H(u，v，x)，表示x波段的所述高光譜圖像數據；Y＝H(u，v，y)，表示y波段的所述高光譜圖像數據；C₁和C₂為常量；w_x是x波段的所述高光譜圖像數據在窗口w中的區域，是w_x的灰度平均值；和是w_x的方差和與w_y的協方差；所述高光譜圖像數據與所述RGB圖像數據之間的相關性S_c表示為：

其中，S_c的取值范圍為[0，1]，I_c表示輸入深度卷積神經網絡的所述RGB圖像數據；

B)依據所述高光譜圖像數據的所述統計屬性、所述相鄰波段的光譜響應差和所述不同波段之間的結構相似性，以及所述高光譜圖像數據與所述RGB圖像數據之間的 相關性設計損失函數，以能夠以無監督的方式訓練深度卷積神經網絡，從而得到所述高光譜圖像數據與所述RGB圖像數據之間的非線性映射關系；所述損失函數loss包括圖像輸入輸出差異loss_pro，圖像輸入輸出相關性loss_cor和圖像輸出波段間的相似性loss_self；所述圖像輸入輸出差異loss_pro基于所述統計屬性得出：

其中，pro(H)表示所述RGB圖像數據經所述深度卷積神經網絡處理后得到的反向映射圖像數據，H表示經所述深度卷積神經網絡重構的所述高光譜圖像數據；所述圖像輸入輸出相關性loss_cor基于所述高光譜圖像數據與所述RGB圖像數據之間的相關性得出：

所述圖像輸出波段間的相似性loss_self基于所述相鄰波段的光譜響應差得出：

所述損失函數loss表示為：

loss＝loss_pro+loss_cor+αloss_self

其中，α為平衡因子；

C)根據所述高光譜圖像數據與所述RGB圖像數據之間的非線性映射關系利用所述RGB圖像數據復原所述高光譜圖像數據。