[發明專利]一種高光譜圖像修復方法、裝置、存儲介質及電子設備

有效

• 申請號: 202310680945.1
• 申請日: 2023-06-09
• 公開（公告）號: CN116433534B
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 孔祥陽
• 申請（專利權）人: 四川工程職業技術學院
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 楊子亮

本申請的實施例公開了一種高光譜圖像修復方法、裝置、存儲介質及電子設備，涉及圖像處理技術領域，包括：獲取原始圖像；將原始圖像輸入修復模型，獲得目標圖像；其中，修復模型基于高光譜圖像的退化模型與目標正則項構建，目標正則項基于對高光譜圖像的結構變換稀疏與線性變換稀疏獲得。本申請的方法通過修復模型來實現對原始圖像的去模糊修復，考慮空間和光譜域的分段平滑特性，將高光譜圖像中固有的稀疏性變換到空間和光譜域梯度，自適應地描述結構稀疏性，并結合線性變換稀疏作為正則項約束，細化所有波段的相關性與差異性，將圖像的去模糊修復轉化為在正則項約束下已有的去模糊退化模型的求解問題，以提升對高光譜圖像的修復質量。

技術領域

本申請涉及圖像處理技術領域，具體涉及一種高光譜圖像修復方法、裝置、存儲介質及電子設備。

背景技術

高光譜成像技術可以提供豐富的空間和光譜知識，已被應用于高光譜圖像分類、目標檢測等應用。然而，在高光譜成像系統中，物鏡孔徑對空間分辨率的限制以及失焦的光譜成分引起的波長畸變將導致嚴重的圖像模糊，這無疑將嚴重降低后續應用的空間和光譜識別能力。因此，高光譜圖像的修復，也即去模糊越來越受到研究者的關注，成為近年來的研究熱點。

現有的高光譜圖像去模糊方法在向量空間中對圖像的先驗進行建模，忽略了數據中的多維結構，不可避免地會導致有用的結構信息損失和畸變，致使高光譜圖像修復的質量較差。

發明內容

本申請的主要目的在于提供一種高光譜圖像修復方法、裝置、存儲介質及電子設備，旨在解決現有技術中針對模糊的高光譜圖像的修復的質量較差的問題。

為實現上述目的，本申請的實施例采用的技術方案如下：

第一方面，本申請實施例提供一種高光譜圖像修復方法，包括以下步驟：

獲取原始圖像；

將原始圖像輸入修復模型，獲得目標圖像；其中，修復模型基于高光譜圖像的退化模型與目標正則項構建，目標正則項基于對高光譜圖像的結構變換稀疏與線性變換稀疏獲得，目標正則項基于變換稀疏學習方法，刻畫高光譜圖像的梯度矩陣的結構變換稀疏中，變換稀疏項的線性變換稀疏獲得。

在第一方面的一種可能實現方式中，將原始圖像輸入修復模型，獲得目標圖像之前，高光譜圖像修復方法還包括：

基于高光譜圖像的退化模型與目標正則項，構建修復模型。

在第一方面的一種可能實現方式中，基于高光譜圖像的退化模型與目標正則項，構建修復模型之前，高光譜圖像修復方法還包括：

基于二維圖像的退化模型，獲得高光譜圖像的退化模型。

在第一方面的一種可能實現方式中，基于高光譜圖像的退化模型與目標正則項，構建修復模型之前，高光譜圖像修復方法還包括：

獲取高光譜圖像的梯度矩陣；

基于變換稀疏學習方法，刻畫梯度矩陣的結構變換稀疏；

刻畫結構變換稀疏中變換稀疏項的線性變換稀疏，獲得目標正則項。

在第一方面的一種可能實現方式中，刻畫結構變換稀疏中變換稀疏項的線性變換稀疏，獲得目標正則項，包括：

利用 l₁范數刻畫結構變換稀疏中變換稀疏項的線性變換稀疏，獲得刻畫結果；

基于 l₁范數最小化調整刻畫結果中每一項的權重，獲得目標正則項。

在第一方面的一種可能實現方式中，基于高光譜圖像的退化模型與目標正則項，構建修復模型之后，高光譜圖像修復方法還包括：