基于三維全變差稀疏先驗(yàn)的高光譜解混壓縮感知方法
【專利摘要】本發(fā)明公開了一種基于三維全變差稀疏先驗(yàn)的高光譜解混壓縮感知方法，用于解決現(xiàn)有聯(lián)合光譜解混的高光譜圖像壓縮感知算法精度低的技術(shù)問題。技術(shù)方案是采用隨機(jī)觀測矩陣從原始數(shù)據(jù)中抽取少量的樣本作為壓縮數(shù)據(jù)。重建過程，根據(jù)解混壓縮感知模型，從光譜庫中選擇適當(dāng)?shù)墓庾V作為的模型中的端元矩陣，進(jìn)而引入豐度值矩陣的三維全變差稀疏先驗(yàn)，通過求解受限的線性優(yōu)化問題，精確地求解豐度值矩陣。最后使用線性混合模型重建原始數(shù)據(jù)。在HYDICE衛(wèi)星拍攝的urban數(shù)據(jù)上當(dāng)壓縮比為1:20時(shí)，歸一化的均方誤差(normalized?mean?squared?error,NMSE)小于0.09，當(dāng)壓縮比為1:10時(shí)，歸一化均方誤差同樣小于0.08，相對于已有的壓縮感知類算法精度提升10%以上。
【專利說明】基于三維全變差稀疏先驗(yàn)的高光譜解混壓縮感知方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種高光譜解混壓縮感知方法，特別涉及一種基于三維全變差稀疏先驗(yàn)的高光譜解混壓縮感知方法。
【背景技術(shù)】
[0002]在高光譜圖像中，豐富的光譜信息中包含著極大的數(shù)據(jù)冗余，嚴(yán)重地增加了高光譜圖像采集、傳輸以及處理過程中的資源消耗。因此，設(shè)計(jì)一種高性能的高光譜圖像壓縮算法是非常必要的。已有的高光譜圖像壓縮算法主要分為兩類，一類是基于信息編碼的壓縮方法，主要利用普通的圖像壓縮方法去除高光譜圖像各個(gè)波段內(nèi)部以及波段之間的冗余性來實(shí)現(xiàn)壓縮，其中包括聚類的脈沖差分編碼，三維小波變換，三維離散余弦變換等，然而這類壓縮方法作用在圖像獲取之后，仍然需要消耗大量的資源來采集和存儲數(shù)據(jù)，而且壓縮率較低；另外一類是基于壓縮感知(Compressive Sensing)的壓縮方法,該類方法作用于數(shù)據(jù)采集端，通過采集原始稀疏信號的少量樣本點(diǎn)實(shí)現(xiàn)數(shù)據(jù)的大幅度壓縮，解壓時(shí)利用壓縮感知理論實(shí)現(xiàn)原始稀疏信號的精確重建，大大減少了采集和傳輸過程中的資源消耗。
[0003]文獻(xiàn) “A compressive sensing and unmixing scheme for hyperspectral dataprocessing, IEEE Transactions on Image Processing, 2012，21 (3): 1200 - 1210，，公開了一種聯(lián)合光譜解混的高光譜圖像壓縮感知算法。該方法首先使用隨機(jī)觀測矩陣對原始數(shù)據(jù)進(jìn)行隨機(jī)采樣實(shí)現(xiàn)數(shù)據(jù)壓縮；接著，在對應(yīng)的光譜庫中選擇合適的端元；之后利用壓縮感知理論對具有梯度稀疏性的豐度值矩陣進(jìn)行精確重建；最后，結(jié)合選擇的端元，利用線性混合模型實(shí)現(xiàn)原始高光譜圖像的重建。然而，該方法僅僅考慮了豐度值矩陣空間維上的梯度稀疏性，忽略了豐度值矩陣光譜維上的潛在稀疏性，從而影響了該壓縮算法的重建精度。

【發(fā)明內(nèi)容】

[0004]為了克服現(xiàn)有聯(lián)合光譜解混的高光 譜圖像壓縮感知算法精度低的不足，本發(fā)明提供一種基于三維全變差稀疏先驗(yàn)的高光譜解混壓縮感知方法。該方法采用隨機(jī)觀測矩陣從原始數(shù)據(jù)中抽取少量的樣本作為壓縮數(shù)據(jù)。重建過程，根據(jù)解混壓縮感知模型，從光譜庫中選擇適當(dāng)?shù)墓庾V作為的模型中的端元矩陣，進(jìn)而引入豐度值矩陣的三維全變差稀疏先驗(yàn)，通過求解受限的線性優(yōu)化問題，精確地求解豐度值矩陣。最后使用線性混合模型重建原始數(shù)據(jù)。在HYDICE衛(wèi)星拍攝的urban數(shù)據(jù)上當(dāng)壓縮比為1:20時(shí)，歸一化的均方誤差(normalized mean squared error, NMSE)小于 0.09,當(dāng)壓縮比為 1:10 時(shí)，歸一化均方誤差同樣小于0.08，相對于已有的壓縮感知類算法精度提升10%以上。
[0005]本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是:一種基于三維全變差稀疏先驗(yàn)的高光譜解混壓縮感知方法，其特點(diǎn)是包括以下步驟:
[0006]步驟一、對于聞光譜圖像I,jX2?...,Xjfji € R *' 其中每一個(gè)像素的光譜Xi表示成所有端元,….W?, ]eitrw+的線性組合如下:[0007]Xi = Whi (I)
[0008]其中，\表示空間上包含的像素?cái)?shù)目，nb表示波段數(shù)量，h^lT.為對應(yīng)的豐度值向量。
[0009]整個(gè)數(shù)據(jù)X表示成豐度值矩陣// = [hph2S...4h% ] e Mvn*'和端元矩陣W的乘積:
[0010]X = WH (2)
[0011]在H中，行方向是光譜維，每一行代表不同像素的光譜在同一個(gè)端元上的投影；列方向是空間維，每一列代表一個(gè)像素的光譜在不同端元上的投影。
[0012]步驟二、采用滿足高斯隨機(jī)分布的歸一化隨機(jī)觀測矩陣對原始數(shù)據(jù)進(jìn)行隨機(jī)采樣,得到壓縮數(shù)據(jù)Fe Rmx~，如下:
[0013]F = AX = AWH (3)
[0014]其中，m表不對長度為nb的信號壓縮后的長度，m < nb。
[0015]步驟三、對于有限的成像場景，根據(jù)場景信息從光譜庫中抽取ne個(gè)光譜組成端元矩陣W。
[0016]步驟四、(I)在H的光譜維上應(yīng)用一維的全變差稀疏先驗(yàn)，結(jié)合H空間維上的稀疏性，得到H的三維全變差稀疏先驗(yàn)，如下:
【權(quán)利要求】
1.一種基于三維全變差稀疏先驗(yàn)的高光譜解混壓縮感知方法，其特征在于包括以下步驟: 步驟一、對于高光譜圖像
【文檔編號】G06T9/00GK103871087SQ201410102950
【公開日】2014年6月18日 申請日期:2014年3月20日 優(yōu)先權(quán)日:2014年3月20日
【發(fā)明者】魏巍, 張磊, 張艷寧, 李飛 申請人:西北工業(yè)大學(xué)