[發明專利]一種基于混合監督模型的高光譜圖像恢復方法和系統

在審

• 申請號: 202210401601.8
• 申請日: 2022-04-18
• 公開（公告）號: CN114972802A
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 付瑩;李妙宇
• 申請（專利權）人: 北京理工大學
• 主分類號: G06V10/58
• 分類號: G06V10/58;G06V10/774;G06V10/82;G06T5/00
• 代理公司: 北京正陽理工知識產權代理事務所(普通合伙) 11639
• 代理人: 張利萍

1.一種基于混合監督模型的高光譜圖像恢復方法，其特征在于，包括以下步驟：

步驟1：根據高光譜圖像退化模型和參數，構造有監督高光譜圖像數據集；

針對不同高光譜退化任務，根據高光譜退化模型參數和噪聲參數來構造高光譜圖像訓練數據集；高光譜圖像訓練數據集包括：帶噪退化高光譜圖像和無噪聲原始高光譜圖像構成的成對數據集；

高光譜退化模型統一表示為：

y＝Φx+η (1)

其中，y為退化后的高光譜圖像，x為原始高光譜圖像，Φ為退化矩陣，η為加性高斯噪聲；

步驟2：構造高光譜恢復網絡，使用有監督高光譜圖像數據集對網絡進行訓練；

使用成對高光譜數據集對網絡進行訓練，使網絡學習到外部先驗知識；訓練函數如下所示：

其中，下標ex表示數據信息來自非恢復目標的高光譜；表示第i個成對高光譜數據，表示第i個原始高光譜圖像，表示通過加噪聲得到的第i個退化高光譜圖像；N表示高光譜數據集總數；表示高光譜恢復網絡，其參數為w_ex；

步驟3：建立基于噪聲估計的無監督損失函數；

無監督損失函數使用基于斯坦無偏風險估計SURE和全變分TV的損失函數，通過斯坦無偏風險估計對高光譜退化過程中受到的噪聲進行評估；

其中，斯坦無偏估計表示為：

其中，表示對高光譜退化圖像y的估計函數，σ表示為噪聲強度；N表示高光譜數據集總數；表示位置第i個退化高光譜像素的估計值，y_i表示第i個退化高光譜像素的真實值，表示微分算子；

全變分損失函數表示為：

其中，為微分算子；表示高光譜恢復網絡，其參數為w_in；y_in表示退化高光譜圖像，in表示數據信息來自恢復目標高光譜；

聯合無監督損失函數表示為：

其中，λ為權重因子；

步驟4：使用監督學習得到的網絡參數作為網絡初值，將退化高光譜圖像輸入到網絡中，利用無監督損失函數進行優化；

其中，估計函數的偏導數通過蒙特卡洛方法獲得，表示為：

其中，b代表零均值隨機向量單位方差；∈表示一個常量；Φ為退化矩陣；

針對每張退化高光譜，都以監督學習得到的參數值作為網絡初始值，使用無監督損失函數，迭代優化該網絡初始值，獲得恢復后高光譜圖片。

2.一種基于混合監督模型的高光譜圖像恢復系統，其特征在于，包括有監督訓練子系統、無監督訓練子系統、恢復子系統；

其中，監督訓練子系統用于對網絡進行初步訓練，使用成對高光譜數據集，使網絡學習從外部高光譜數據中到有監督信息；

無監督訓練子系統，用于進一步優化有監督訓練子系統得到的網絡初值，使網絡學習到目標高光譜數據的本質信息；

恢復子系統利用無監督訓練子系統訓練好的網絡，進行目標高光譜圖像的恢復；

上述子系統之間的連接關系為：監督訓練子系統的輸出端與無監督訓練子系統的輸入端相連，無監督訓練子系統的輸出端與恢復子系統的輸入端相連。