[发明专利]基于混合范数追踪算法的高光谱图像重构方法

说明书

技术领域

本发明涉及一种基于混合范数追踪算法的高光谱图像重构方法，适用于高光谱数据处理系统中，属于高光谱数据处理领域。 

背景技术

高光谱遥感是一项近几十年来迅速发展的空天对地观测技术，它图谱合一的性质有重大的研究意义和广泛的应用前景，已经在商业、军事和民间领域得到广泛应用。相比较于常规遥感图像，高光谱图像能够更精细的刻画地物特征，探测到常规遥感中无法探测到的物质，为后期地物分类以及探测提供前提条件。然而，它良好的性质建立在庞大的数据量上，一张高光谱图像的大小往往是常规图像的几百倍，大量的波段数带来了巨大的信息冗余。这为高光谱图像的采集、传输和存储带来不必要的麻烦。 

压缩感知是近年来提出的一个寻找欠定系统稀疏解的技术，该技术通过开发信号的稀疏特性在远小于奈奎斯特采样率的条件下，利用随机采样获取信号的离散样本，然后通过非线性重构算法完美重构信号。压缩感知理论一经提出便受到信息论、图像处理、地球科学、光学、微波成像、模式识别、无线通讯等领域的高度关注，并被广泛的应用于电子工程尤其是信号处理中，进行低采样率采样和高精度重构稀疏或可压缩的信号。目前广泛采用的压缩感知重构算法主要有两类：基于0范数的贪婪算法和基于1范数的凸优化算法。基于0范数的贪婪算法包括匹配追踪算法、正交匹配追踪算法、硬阈值迭代算法等，基于1范数的凸优化算法包括基追踪算法、梯度投影算法、内点法、同伦法等。这两类算法各有所长但也均有其不足之处：0范数对应的算法速度快但是精度不高；1范数对应的算法精度高但速度不快。 

高光谱图像数据庞大且获取不易，为了减轻硬件传输、存储压力需尽可能低的进行采样和高精度重构；另一方面，低速度的重构算法的缺点会因大数据量而被急剧的放大，造成的时间消耗往往让人无法忍受。因此，需要寻找一种重构精度足够高并且重构速度足够快的算法，满足高光谱图像实时处理的需求。 

发明内容

本发明旨在提供一种基于混合范数追踪算法的高光谱图像重构方法，具体是一种结合现有0范数算法和1范数算法优点的新型压缩感知重构方法。本方法具有较强的鲁棒性，能够 在保证重构精度的情况下快速的重构出原始的高光谱图像，对不同地物环境的高光谱图像均表现出良好的实验效果。 

本发明所涉及的方法流程具体包括以下四个步骤：1、获得初始信息及相关初始化操作；2、混合策略分析；3、高光谱图像重构；4、重构结果输出。下面对该方法流程各步骤进行详细说明： 

步骤一获得初始信息及相关初始化操作 

利用人工交互接口模块输入高光谱图像稀疏采样结果和两类算法范例，并设置如公式(1)到(3)所示的算法迭代终止条件，对是否终止算法进行判断。 

|norm(x_k-1，0)-norm(x_k，0)|＜ε₀  (1) 

||xk-xk-1||||xk||≤ϵ1---(2)]]>