[发明专利]一种基于粒子群优化的高光谱图像快速压缩感知重构方法

权利要求书

1.一种基于粒子群优化的高光谱图像快速压缩感知重构方法，其特征在于，包括:

步骤1、将初始波段序号设为j＝1，其中，高光谱图像总的波段数为J，波段序号为j；

步骤2、将初始图像块号设为l＝1，其中，对输入的每个波段图像进行分块，分块大小为B，分块个数为L，图像块号为l,X_j,l表示第j个波段第l个图像块；

步骤3、在采样端，利用高斯测量矩阵Φ_B对图像块X_j,l进行测量，得到测量值为y_j,l，并将测量值传输至重构端；

步骤4、在重构端，设定最优原子个数为K，原子个数为k,设定粒子群算法的种群个数为M，粒子标号为m,粒子的最大更新代数为T，粒子的更新代数为t；

步骤5、初始化残差r₀＝y_j,l，初始原子索引集合为Λ₀＝[]，设定初始原子个数为k＝1；

步骤6、利用粒子群算法搜索得到最优原子的索引，即粒子群的群体极值

步骤7、利用G_best和公式(1)更新最优原子索引集合：

Λ_k＝Λ_k-1∪G_best (1)

步骤8、根据公式(2)计算G_best对应的Gabor原子：

其中，n＝1,2,...,B²，win为高斯函数；

步骤9、如果k＝1，则利用直接求解矩阵的逆的方法更新残差，即令原子字典根据测量矩阵Φ_B得到计算并更新残差否则转入步骤10；

步骤10、利用递归求解矩阵的逆的方法更新残差，即令原子字典表示为根据测量矩阵Φ_B得到则根据公式(3)计算并根据公式(4)计算残差；

步骤11、如果k≥K，输出和并转入步骤12；否则令k＝k+1，转入步骤6；

步骤12、根据公式(5)计算重构图像块并输出，转入步骤13：

步骤13、如果l≥L，则转入步骤14；否则，令l＝l+1，转入步骤3；

步骤14、如果j≥J，则图像重构过程结束；否则，令j＝j+1，转入步骤2。

2.如权利要求1所述的方法，其特征在于，所述步骤6包括：

步骤6.1、令粒子标号为m＝1；

步骤6.2、初始化粒子Z_m的位置和速度，粒子的初始位置为的取值范围是粒子的位置取值是对应参数范围中的一个随机数；粒子的初始速度为取值范围是粒子的速度取值是对应参数范围中的一个随机数；

步骤6.3、根据公式(6)计算生成粒子Z_m对应的Gabor原子：

步骤6.4、根据公式(7)计算粒子Z_m的适应度值，并将粒子Z_m的初始位置作为第m个粒子的个体极值

步骤6.5、如果m≥M，则选择具有最大适应度值的粒子个体极值作为群体的最优极值转入步骤6.6；否则，令m＝m+1，转入步骤6.2；

步骤6.6、令粒子的更新代数为t＝1；

步骤6.7、令粒子标号为m＝1；

步骤6.8、根据公式(8)和公式(9)更新粒子的速度和位置：

其中，l_s＝1,2,3,4，w为惯性权重，c₁和c₂是非负的常数，称为加速度因子，r₁和r₂是分布于[0,1]区间的随机数；

步骤6.9、根据公式(10)生成粒子对应的Gabor原子：

步骤6.10、根据公式(11)计算粒子的适应度值：

步骤6.11、如果粒子的适应度值满足则将粒子的位置作为第m个粒子的个体极值

步骤6.12、如果m≥M，选择具有最大适应度值的粒子作为新的群体极值转入步骤6.13；否则，令m＝m+1，转入步骤6.8；

步骤6.13、如果t≥T，输出G_best，并转入步骤7；否则，令t＝t+1，转入步骤6.7。