[发明专利]基于TROMP的干涉高光谱图像稀疏重建

说明书

本发明涉及一种基于压缩感知的干涉高光谱图像稀疏重建算法，以达到对干涉高光谱精确重构目。干涉高光谱数据每帧存在大幅值且位置固定的竖直干涉条纹，而背景图像在帧与帧间存在着移位，因此传统的算法难以得到理想的稀疏重建效果。由于干涉高光谱图像干涉条纹的竖直信息丰富，本发明根据水平全变分值提取出图像中的干涉条纹，进行自适应的采样。由于干涉高光谱图像的特点导致ROMP算法在序号集合中选出最高能量的子集会占用过多资源和时间，在发明算法中采用相关阈值，来快速选取最大能量向量。仿真结果表明在同等稀疏度条件下，本文算法与ROMP算法相比重构精度有明显提高。

所属技术领域

本发明属于图像处理领域，是针对干涉高光谱特点，采用最优阈值思想改进的压缩感知图像重构算法。

背景技术

压缩感知技术在图像处理领域中是很有价值的实用技术，该技术在信号满足可压缩或稀疏的前提下，信号采集速度可以大大降低，实现信号采样和压缩同时进行，避免了对于大量无用数据的采集，节省了资源和时间。

现有算法的缺点：现有的ROMP算法对于传统的图像重构效果不错，但是对于干涉高光谱图像中的干涉条纹重构效果很差。ROMP算法中在原子集中索引最高平均能量会占用过多资源和时间，而且正则化过程在二次选取时每次选择的原子个数可能过多，就会造成相关性较低的原子被选到，影响重构质量。而干涉条纹部分各组向量差异较大选择的针对性更差，影响重构效果

发明内容

本发明的目的在于克服ROMP算法不足，采用一个相关阈值来进行二次选取，相比于 ROMP算法该方法简化了正则化过程大量计算，而本文算法每次可以适当的选取多组，避免了无用的选取，加快了算法收敛，提高了重构精度。

本发明采取的技术方案是：

一种基于压缩感知的干涉高光谱图像稀疏重建算法，其特征在于：该算法包括以下步骤：

输入：测量矩阵A 观测向量y 稀疏度K

输出：信号稀疏逼近

(1)初始化：对输入图像求水平全变分分类，并进行自适应采样

(2)求J＝max{|λ_j＝(r_t-1，A_j)|，K}，求测量矩阵与残差的内积绝对值并索引出最大的K个

(3)取阈值，并索引出大于阈值的因子

(4)更新索引集合

(5)求解最小二乘解，得到重构向量

(6)更新残差

(7)判断选出的原子集合||A_t||＞＞2K或r_t＜ξ，若为真则停止迭代，否则返回步骤(2)

r_t表示残差，t表示迭代次数，J每次迭代找到的索引(列序号)，A_t表示按索引J选出的矩阵A的列集合。

本发明的优点和积极效果是：

本发明采用干涉高光谱图像与干涉条纹特点，推导出基于压缩感知的干涉高光谱图像稀疏重建算法，相对于ROMP算法，本发明于对干涉高光谱图像中的干涉条纹也有很好的重构效果，而传统的ROMP算法就无法做到。在重构的过程中TROMP算法稳定性也非常好，而传统算法对于干涉高光谱图像的重建不稳定从而为干涉高光谱图像重构提供了一种很好的解决方案。

具体实施方式

下面结合实施例，对本发明进一步说明，下述实施例是说明性的，不是限定性的，不能以下述实施例来限定本发明的保护范围。

一种基于压缩感知的干涉高光谱图像稀疏重建算法，处理过程的示意图如图1所示，本发明的创新在于：