[发明专利]基于压缩感知的多光谱与全色图像超分辨融合方法

权利要求书

1.一种基于压缩感知的多光谱与全色图像超分辨融合方法，包括以下步骤：

(1)分别输入低分辨率多光谱图像和高分辨率全色图像；

(2)获得高分辨率联合采样值矩阵；

2a)对低分辨率多光谱图像和高分辨率全色图像进行分块列向量化；

2b)将分块列向量化的高分辨率全色图像矩阵连接到分块列向量化的低分辨率多光谱图像矩阵后，得到高分辨率联合采样值矩阵；

(3)对高分辨率的多光谱图像和低分辨率的多光谱图像构造观测矩阵，获得高-低观测矩阵；

(4)对高分辨率的多光谱图像和高分辨率的全色图像构造观测矩阵，获得高-高观测矩阵；

(5)将高-低观测矩阵连接到高-高观测矩阵后，得到高分辨率联合观测矩阵；

(6)利用KSVD方法对高分辨率多光谱图像进行字典学习，得到高分辨率过完备字典；

(7)利用基追踪算法求解高分辨率过完备字典下的高分辨率稀疏系数；

(8)重构高分辨率多光谱图像；

8a)将高分辨率过完备字典与高分辨率稀疏系数相乘，得到列向量化的多光谱图像；

8b)将列向量化的多光谱图像转化为图像块，恢复到原图像的位置，得到超分辨率的多光谱图像。

2.根据权利要求1所述的基于压缩感知的多光谱与全色图像超分辨融合方法，其特征在于：步骤(3)所述构造高-低观测矩阵的方法具体步骤如下：

第一步，对低分辨率的多光谱图像和高分辨率的多光谱图像进行分块列向量化；

第二步，对高分辨率多光谱图像8∶1下采样，得到低分辨率的多光谱图像；

第三步，由高分辨率的多光谱图像和低分辨率的多光谱图像构造高-低观测矩阵。

3.根据权利要求1所述的基于压缩感知的多光谱与全色图像超分辨融合方法，其特征在于：步骤(4)所述构造高-高观测矩阵的方法具体步骤如下：

第一步，对高分辨率的多光谱图像、高分辨率的全色图像、低分辨率的全色图像进行分块列向量化；

第二步，对高分辨率多光谱图像的每一谱段求权值之和，得到高分辨率全色图像；

第三步，对高分辨率全色图像2∶1下采样，得到低分辨率的全色图像；

第四步，由高分辨率的多光谱图像和高分辨率的全色图像构造高-高观测矩阵。

4.根据权利要求1所述的基于压缩感知的多光谱与全色图像超分辨融合方法，其特征在于：步骤(6)所述KSVD方法训练字典的具体步骤如下：

第一步，对输入的与待融合图像统计特性相近且比全色图像高一倍分辨率的多幅高分辨率多光谱图像进行分块列向量化，随机抽取高分辨率多光谱图像的25000个图像块进行字典训练；

第二步，按照下式求解训练字典D：

min{||Y-DX||22}]]>Subject to∀i,||Xi||0≤T0]]>

其中，min{}为最小化，为求解Y-DX的二范数，Y为输入的初始的离散余弦字典，D为待求解的高分辨率训练字典，X为随机抽取高分辨率多光谱图像块，Subject to表示‖X_i‖₀为求解的限制条件，为任意第i列，‖X_i‖₀为X_i的0范数，T₀为稀疏度控制系数。

5.根据权利要求1所述的基于压缩感知的多光谱与全色图像超分辨融合方法，其特征在于：步骤(7)所述的基追踪算法如下：

min‖α‖₁ Subject to||y-Φα||22≤ϵ]]>

其中，min‖α‖₁为最小化α的一范数，α为待求解的高分辨率稀疏系数，Subject to表示为求解min‖α‖₁的限制条件，为求解y-Φα的二范数，y为高分辨率联合采样值矩阵，Φ为高分辨率联合观测矩阵与高分辨率训练字典的乘积，ε为重构误差。