[发明专利]一种基于极少数优化选择波段的高光谱图像获取方法

说明书

技术领域

本发明属于图像处理领域，适用于高光谱遥感图像重建，具体涉及一种基于极少数优化选择波段的高光谱图像获取方法。

背景技术

高光谱图像由大量的单波段图像构成，图像中每个像素具有一条准连续的光谱曲线。在高光谱图像成像过程中，由于光谱带宽较窄，必须采用较大的瞬时视场(IFOR)才能积累足够多的光量子以维持成像的信噪比，瞬时视场的增大会降低图像的分辨率。然而在高光谱图像的许多应用领域如地物识别与分类、环境检测中，高分辨率图像都是不可缺少的，因此获得具有高分辨率的高光谱图像具有重要意义。

现阶段，基于混合像元分解的高光谱图像融合技术通过融合同一场景下的多光谱图像与高光谱图像，从而获得具有高分辨率的高光谱图像。混合像元分解在高光谱图像分解为各种地物成分(端元)，再通过具有较高分辨率的多光谱图像在非负约束下求解各成分所占的比例(丰度)。然而混合像元分解中端元的个数以及纯净端元的提取都存在一定的困难，因此得到的高光谱图像存在光谱失真的现象，无法在高分辨率高光谱图像重建中获得令人满意的结果。并且同一场景下的高光谱图像往往难以获得，使得该方法难以推广。

近年来，稀疏表示框架在图像重建领域展现了巨大的潜力，它将图像表示为字典与稀疏系数的乘积。稀疏表示过程中不需要提取端元，且稀疏系数无非负限制，因此该方法能够克服现阶段图像融合的缺点，使得图像中蕴含的信息得到充分表达。本发明将稀疏表示框架引入高光谱图像获取中，由相似地物类别的低分辨率高光谱图像数据集预训练得到光谱字典，通过具有极少数优化选择波段的高分图像求得稀疏系数，从而获得较高质量的高分辨率高光谱图像。

发明内容

为了克服上述现有技术存在的不足，本发明的目的在于提供了一种基于极少数优化选择波段的高光谱图像获取方法，先利用具有相似地物类别的图像集学习得到光谱字典。其次通过拥有极少数优化选择波段的高分图像求解稀疏表示系数。最后通过光谱字典和稀疏系数获得高分辨率高光谱图像。此方法能高效获得高光谱图像，且避免对同一场景高光谱图像的依赖。

为了达到上述目的，本发明所采用的技术方案是：

一种基于极少数优化选择波段的高光谱图像获取方法，步骤如下：

步骤1，获得极少数优化选择波段的高分辨率图像；

步骤2，获得与步骤1中图像地物类别相似的低分辨率高光谱图像数据集；

步骤3，通过对步骤2中得到的图像在非分解的模式下进行字典预训练，得到过完备光谱字典D；

步骤4，利用步骤1中得到的具有极少波段的高分辨率图像以及步骤3中得到的过完备光谱字典D，在无非负约束的条件下求解稀疏表示系数A；

步骤5，通过获得具有高分辨率的高光谱图像。

所述步骤1中具有优化选择波段的高分辨率图像通过Y_L＝LX求得。其中X∈R^B×N为原始高光谱图像，L∈R^b×B为优化光谱传递函数，B＞＞b分别为两幅图像的波段数，N为高光谱图像空间包含的像素点数目，其中R为实数空间。

所述步骤2中具有相似地物类别的低分辨率高光谱图像数据集的获得是指，通过对具有相似地物类别的高光谱原始图像模糊并下采样得到的集合；

所述步骤3中过完备光谱字典D的预学习方法采用的是K-SVD字典学习方法通过优化如下最小化问题求得：

其中，Y_R∈R^B×n是与X具有相似地物类别的低分辨率高光谱图像集，n为空间像素点数目，λ是正则化系数；

所述步骤4中无非负约束条件下稀疏系数A求解方法是通过交替方向乘子法(ADMM)求解如下1范数约束问题:

其中，λ为正则化参数。

与现有技术相比，本发明的优点是：

1)本发明引入波段的优化选择，使获得的极少数波段高分图像涵盖了高光谱重要波段信息，为获得高质量光谱提供了可能。

2)本发明通过字典预训练，利用相似地物类别的高光谱图像得到光谱信息，避免了对同一场景下高光谱图像的依赖，降低了数据获取难度。

3)本发明在稀疏表示框架下，引入非分解模式求解光谱字典，弥补了端元分解对高光谱图像光谱特性描述能力的不足，有效提高了光谱精度。

4)本发明通过无非负约束且非迭代的方法求解稀疏表示系数，提高了获得的高光谱图像的准确性和有效性。

附图说明

图1是本发明基于极少数优化选择波段的高光谱图像获取流程图。