[发明专利]基于正交匹配追踪的超光谱图像预测压缩方法

权利要求书

1.基于正交匹配追踪的超光谱图像预测压缩方法，其特征在于包括以下步骤：

步骤一：设定参考通道数目上限S和空间聚类分组数k；

步骤二：获取待压缩的超光谱图像，将M×N×K维超光谱图像的前两个维度合并形成(M×N)×K维度的矩阵X，并记录原始数据维度M,N,K；

步骤三：使用聚类算法将矩阵X按行进行中心化后，得到均值mu，然后将矩阵X按行分为k组，得到分组索引idx，并根据分组索引idx得到子矩阵x⁽¹⁾,x⁽²⁾...x^(k)，最后记录均值mu和分组索引idx；

步骤四：对于子矩阵x^(j)，1≤j≤k，将子矩阵x^(j)第一列作为已知数据矩阵D的第一列且记录在残差矩阵E的第一列E(:,1)＝x^(j)(:,1)，然后将系数矩阵C的第一行填充0，C(1,:)＝0，将子矩阵x^(j)的第2列至第S列，执行步骤五，将子矩阵于x^(j)第S+1列至第K列，执行步骤六至七；

步骤五：利用最小二乘法对已知数据矩阵D求解，得到D的伪逆，然后将x^(j)的第i列记为y，求解方程解为c为y预测系数，然后根据c和已知数据矩阵D得到y预测残差e，表示为e＝y-[Dc]，其中[]表示向下取整，最后将c用0补齐后并记录在系数矩阵C的第i行，将e记录在残差矩阵E的第i列，并根据y和e更新已知数据矩阵D，表示为

步骤六：将x^(j)的第i列记为y，并根据已知数据矩阵D利用稀疏最小二乘方法得到c；

步骤七：选择没有残差数值溢出的迭代次数t，并将该次迭代中的c记录在C的第i行，计算取整残差e＝y-[Dc]，将e记录在残差矩阵E的第i列，并根据y和e更新已知数据矩阵D，D表示为

步骤八：压缩残差矩阵E得到残差压缩码流，获取系数矩阵C中非零元素位置，然后使用区间编码器对非零元素位置、均值mu、分组索引idx和M,N,K进行编码，得到区间编码器压缩码流，

根据非零元素位置索引系数矩阵C得到非零元素的值，

最后将非零元素的值、残差压缩码流和区间编码器压缩码流发送给解码端；

步骤九：解码端将非零元素的值、残差压缩码流和区间编码器压缩码流解码得到残差矩阵E、系数矩阵C、分组索引idx、均值mu、原始数据维度标识M、N、K；

步骤十：根据分组索引idx和原始数据维度标识M、N、K得到每一个子矩阵x^(j)的维度，对于子矩阵x^(j)的第一列，将残差矩阵E的第一列作为已知数据矩阵D的第一列，D表示为根据残差矩阵E的第一列得到x^(j)第一列的原始数据，表示为x^(j)(:,1)＝E(:,1)；

步骤十一：对于子矩阵x^(j)的第i列，使用x^(j)(:,i)＝[Dc]+E(:,i)无损恢复，[]表示向下取整，2≤i≤K；

步骤十二：使用更新D；

步骤十三：利用x^(j)、分组索引idx和原始数据维度M,N,K进行重构，得到矩阵X，然后使用均值mu将矩阵X逆中心化，得到原始超光谱图像。