[发明专利]基于聚类流形先验的高光谱图像超分辨重建方法

说明书

本发明提供了一种基于聚类流形先验的高光谱图像超分辨重建方法，利用高分辨率RGB图像与高分辨率高光谱图像在空间上的流行结构的相似性来构造空间约束项，并利用其构建新的重建目标函数，再利用ADMM算法对目标函数进行优化求解，得到最终重建的高分辨率高光谱图像，重建图像更加接近原始图像，具有较高的重建精度。

技术领域

本发明属高光谱图像处理技术领域，具体涉及一种基于聚类流形先验的高光谱图像超分辨重建方法。

背景技术

高光谱图像是利用成像光谱仪将视场中观测到的各种地物的光谱信息记录下来得到的影像数据，相比于传统RGB图像含有更为丰富的光谱信息，这些丰富的光谱信息促使原本主要在常规图像上开展的图像超分辨重建、人脸识别和目标跟踪等逐渐得以延伸到高光谱数据上。但是由于硬件条件的限制，在获得高光谱图像时无法获得具有较高空间分辨率的图像，这极大地限制了高光谱图像在计算机视觉领域的应用，所以通过超分辨重建的方法将低空间分辨率的高光谱图像重建成高空间分辨率的高光谱图像具有重大的研究价值。现有的超分辨重建算法的主要思路是在图像融合的框架下根据光谱解混和矩阵分解得到的丰度矩阵和端元矩阵来重建高分辨率图像，例如文献“Yokoya N,Yairi T,IwasakiA.Coupled Nonnegative Matrix Factorization Unmixing for Hyperspectral andMultispectral Data Fusion[J].IEEE Transactions on GeoscienceRemote Sensing,2012,50(2):528-537.”假设潜在的高分辨率高光谱图像(即待求结果)可以分解成一个端元矩阵和一个丰度矩阵的乘积，提出了一种对偶非负矩阵分解的高光谱图像超分辨重建方法，在光谱解混的思想下，通过构建合理的约束项来优化求解得到更好的端元矩阵和丰度矩阵，并由此求得更好的高分辨率高光谱图像。但该方法并没有考虑到高光谱图像内部的结构特性，如非局部相似性，所以其重建效果仍旧受限。事实上，高光谱图像的内部结构特性对超分辨重建具有重要作用，但目前方法并没有考虑高光谱图像空间域中的流行结构与相应的常规图像的空间域中的流行结构的关系，因此，重建精度并不理想。

发明内容

为了克服现有技术的不足，本发明提供一种基于聚类流形先验的高光谱图像超分辨重建方法，将高光谱图像内部结构(如非局部相似性)应用到高光谱超分辨重建模型中，提高重建精度。

一种基于聚类流形先验的高光谱图像超分辨重建方法，其特征在于包括以下步骤：

步骤1：给定低分辨率高光谱图像X和同一场景下的高分辨率RGB图像Y，在空间维上用一个h×w大小的窗以s＝1为步长扫过图像Y，得到全波段图像块集合，其中，每一个图像块b_k∈R^h×w×3，k＝1,…,K，K为图像块个数，0＜h＜R，0＜w＜C，R为图像的长，C为图像的宽。

步骤2：将步骤1得到的所有图像块均变换为二维矩阵，即对每一个图像块b_k得到一个全波段矩阵B_k∈R^n×3，n＝w×h；再利用K-means算法对所有全波段矩阵进行聚类处理，得到N_c个类，每一类为

步骤3：按照s.t.diag(W_i)＝0计算得到相似性权重矩阵W；其中，W＝{W₁,W₂,...,W_i}，×₂表示为模2的张量乘法，表示矩阵的Frobenius范数，i＝1,…,N_c，λ＝0.3表示权重系数。

步骤4：基于融合的高光谱图像超分辨重建算法的优化模型和流行先验的空间约束，构建高光谱图像超分辨重建的目标函数如下：