[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

摘要

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。

主权项

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,Xj,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ΦB对图像块Xj,l进行测量，得到测量值为yj,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＝yj,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Gbest和公式(1)更新最优原子索引集合：Λk＝Λk‑1∪Gbest      (1)步骤8、根据公式(2)计算Gbest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。