[发明专利]基于修正线性混合模型的高光谱压缩感知方法、设备及系统

权利要求书

1.一种基于修正线性混合模型的高光谱压缩感知方法，其特征在于，包括：

步骤S1，获取原始高光谱图像光谱维压缩采样后的观测数据Y＝AX；

其中，矩阵X表示需要重建的原始高光谱图像数据，A为光谱维测量矩阵，Y为光谱维观测数据；

步骤S2，构建修正线性混合模型：X＝ES+BEH；

其中，E为端元矩阵；S为丰度矩阵；B表示端元光谱的修正矩阵；H表示修正后的端元光谱所对应的丰度矩阵；

利用观测数据Y估计出B、S和H的最优值，具体过程为：

步骤S21，预设迭代初始值，

H⁰＝0,B⁰＝I_L,

其中，变量R₁＝AB，变量R₂＝WB，变量R₃＝B，变量R₄＝FR₃；I_L表示L×L的单位矩阵，L为波段数；W为标准正交基；F表示全变分算子，T₁为第一拉格朗日乘子，T₂为第二拉格朗日乘子，T₃为第三拉格朗日乘子，T₄为第四拉格朗日乘子；

步骤S22，按照如下公式分别求得S、H和B在第k+1次迭代中的估计值S^k+1、H^k+1和B^k+1：

其中，k为整数且k≥0；A为已知的光谱维测量矩阵；表示变量R₁的第k次迭代值，根据公式

获得,μ为正惩罚常数；表示T₁的第k次迭代值，根据公式获得；

表示T₂的第k次迭代值，根据公式获得；表示T₃的第k次迭代值，根据公式获得；表示T₄的第k次迭代值，根据公式获得；表示变量R₂的第k次迭代值，根据公式获得；soft(*)表示soft-threshold函数，λ为大于零的第一正则项系数；表示变量R₃的第k次迭代值，根据公式获得；F^T表示F的转置；表示变量R₄的第k次迭代值，根据公式获得，λ_TV为大于零的第二正则项系数；

步骤S23，判断步骤S22中获得的S^k+1、H^k+1和是否满足：||Y-AES^k+1-R₁^k+1EH^k+1||_F/||Y||_F≤res；

若满足，停止迭代，获得原始高光谱图像数据的重建值为：

若不满足，令k＝k+1，并返回步骤S22继续进行迭代；其中，res为预设的迭代收敛阈值，|| ||_F表示取F范数；

步骤S3，将B、S和H的最优估计值代入修正线性混合模型来重建原始高光谱图像数据X。

2.如权利要求1所述的基于修正线性混合模型的高光谱压缩感知方法，其特征在于，

λ的取值范围为：10^-3～10^-6；

和/或λ_TV取值范围为：10^-3～10^-6。

3.一种高光谱压缩感知重建设备，其特征在于，包括数据获取单元和处理器；

所述数据获取单元获取原始高光谱图像光谱维压缩采样后的观测数据并传输给处理器，处理器获取观测数据后按照权利要求1-2之一所述的基于修正线性混合模型的高光谱压缩感知方法进行原始高光谱图像数据重建。