[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

说明书

本发明公开了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，涉及图像压缩处理技术领域，本发明公开了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，主要解决现有的正交匹配追踪重构算法计算复杂度高的问题，其技术关键是借助粒子群优化的思想，对正交匹配追踪算法的匹配过程进行优化，利用粒子表示冗余字典中的原子，依靠粒子群的快速搜索能力，找到能够对图像进行稀疏表示的最优原子，然后借助Hermitian求逆的思想，对正交匹配追踪重构算法的残差更新过程进行加速，实现了基于粒子群优化的高光谱图像快速压缩感知重构。本发明方法能够在保持重构精度的条件下，提高计算效率。

技术领域

本发明涉及图像压缩处理技术领域，特别涉及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。

背景技术

高光谱图像不但包含了被观测目标的空间分布信息，而且图像中的每个像元都有几十个甚至上百个窄波段的丰富光谱信息，具备“图谱合一”的性质。由于高光谱图像可以把反映物质性质的光谱特征和呈现物质几何空间信息的图像信息维系在一起，因此极大地提高了人类认知客观世界的能力，在遥感、军事、农业、医学等领域都被证明有着巨大的应用价值。

若对高光谱图像的每个波段图像进行空间采样，则可利用一般的压缩感知重构算法对其进行处理，如可利用正交匹配追踪重构算法(Orthogonal Matching Pursuit,OMP)实现重构，当冗余字典的冗余度非常高时，正交匹配追踪算法的匹配过程需要对每个原子求解空间内积，以选择最优原子，算法的复杂度非常高，收敛速度太慢。同时，在正交匹配追踪算法的残差更新过程中存在矩阵的求逆运算，随着迭代的进行，矩阵维数将越来越高，求逆过程非常耗时。特别是，高光谱图像的波段数较多，给OMP算法的重构过程增加了新的难度。综上所述，现有技术存在的主要问题在于：重构过程的计算复杂度高，无法实现高光谱图像的快速重构。

发明内容

本发明实施例提供了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，用以解决现有技术中存在的问题。

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，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，图像块号表示为l,则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；