专利汇可以提供基于图稀疏正则化的卫星高光谱图像压缩感知重建方法专利检索,专利查询,专利分析的服务。并且本 发明 提供了一种基于图稀疏正则化的卫星高 光谱 图像 压缩 感知 重建方法,包括以下步骤:步骤1,将已知的高光谱数据的三维立方体重新排列为矩阵;步骤2,以随机卷积变换作为线性 观测矩阵 ,构建多向量测量模型,对每一波段进行独立 采样 ,生成测量向量矩阵;步骤3,将高光谱图像在 稀疏变换 域分解为谱间的关联成分和差异成分,构建包含关联成分和差异成分的图稀疏正则化的联合重建模型;步骤4,提出联合重建模型求解的交替方向乘子 迭代 算法 ,获得变换域的关联成分和差异成分,然后合并关联成分和差异成分,得到重建的高光谱数据。本发明提供的方法对卫星高光谱遥感数据进行压缩时压缩程度高、 精度 高。,下面是基于图稀疏正则化的卫星高光谱图像压缩感知重建方法专利的具体信息内容。
1.一种基于图稀疏正则化的卫星高光谱图像压缩感知重建方法,其特征在于,包括星上编码端高光谱数据随机测量和地面解码端压缩感知重建;
所述星上编码端高光谱数据随机测量过程为:
步骤1,将已知的高光谱数据的三维立方体重新排列为矩阵X;
步骤2,以随机卷积变换作为线性观测矩阵,构建多向量测量模型,对每一波段进行独立采样,生成测量向量矩阵Y;
所述地面解码端压缩感知重建过程为:
步骤3,将高光谱图像在稀疏变换域分解为谱间的关联成分和差异成分,构建包含关联成分和差异成分的图稀疏正则化的联合重建模型;
步骤4,提出联合重建模型求解的交替方向乘子迭代算法,获得变换域的关联成分和差异成分,然后合并关联成分和差异成分,得到重建的高光谱数据。
2.根据权利要求1所述的基于图稀疏正则化的卫星高光谱图像压缩感知重建方法,其特征在于,步骤1中将多波段三维体的高光谱图像的每一波段内的图像按列拉为一列向量,合并每个波段的列向量组成新的数据矩阵X
n1为高光谱数据的像元个数,n2为光谱波段数目。
3.根据权利要求2所述的基于图稀疏正则化的卫星高光谱图像压缩感知重建方法,其特征在于,步骤2中所述的多向量测量模型为
Y=ΦX,
其中Y为生成的测量矩阵,矩阵Φ为线性随机测量算子,Y与Φ的维数均为m×n2,行秩m<n1。
4.根据权利要求3所述的基于图稀疏正则化的卫星高光谱图像压缩感知重建方法,其特征在于,步骤3中的联合重建模型为:
s.t.Y=ΦΨ(Z+E),
其中,矩阵Z、E为数据矩阵X在高光谱图像的稀疏变换域分解为关联矩阵Z和差异矩阵E;其中
其中,Ψ为维数为n1×s的小波变换字典,s为字典中的基函数个数;||·||1为矩阵的l1范数,l1范数为矩阵中各元素的绝对值之和;λ为图稀疏正则化参数;L为规范化拉普拉斯矩阵,vec(Z)TLvec(Z)表示对图正则化稀疏约束。
5.根据权利要求4所述的基于图稀疏正则化的卫星高光谱图像压缩感知重建方法,其特征在于,步骤4的具体过程为:
步骤4.1,对联合重建模型引入辅助变量J,并添加等式约束,将联合重建模型转化为如下的等价模型:
s.t.Y=ΦΨ(Z+E),J=Z
步骤4.2,初始化等价模型的参数和初始变量E=0,Z=0,辅助变量J=0;正则因子α和β在取值范围(0,0.1]内取任意值;正则化参数 用于收敛条件RelErr1判断的参
数ε1在取值范围(0,0.1]内取任意值,用于收敛条件RelErr2判断的参数ε2在取值范围(0,
0.1]内取任意值;
步骤4.3,更新辅助变量J,计算公式为
其中,k为迭代次数,初始时k=0,M1为拉格朗日乘子,I为单位矩阵;
步骤4.4,通过软阈值收缩更新关联成分Z,计算公式为
k+1
Z =sign(Zc)(abs(Zc)-1/β)
其中, sign(Zc)是符
号函数,当Zc<0时,sign(Zc)=-1;当Zc=0时,sign(Zc)=0;当Zc>0时,sign(Zc)=1,Ψ*Φ*为ΦΨ的共轭转置矩阵,M1和M2为拉格朗日乘子;
步骤4.5,通过软阈值收缩更新差异成分E,计算公式为
Ek+1=sign(Ec)(abs(Ec)-λ/β),
其中, abs(Ec)表示取Ec的绝对值;sign
(Ec)是符号函数,当Ec<0时,sign(Ec)=-1;当Ec=0时,sign(Ec)=0;当Ec>0时,sign(Ec)=
1;
步骤4.6,更新拉格朗日乘子M1和M2,计算公式为
其中,M1k+1和M2k+1为更新后的拉格朗日乘子,γ为正则因子;
步骤4.7,采取序贯策略更新正则因子γ,计算公式为
其中,||·||F为矩阵的F范数,F范数为矩阵每个元素的平方求和后开根号;ρ>1为倍数因子;
步骤4.8,更新收敛性条件RelErr1和RelErr2,计算公式为
RelErr1=max(||Zk+1-Zk||F,||Ek+1-Ek||F,||Jk+1-Jk||F)/||Y||F,
步骤4.9,如果RelErr1>ε1且RelErr2>ε2,转至步骤4.3,k←k+1;否则,将更新后的关联成分Zk+1和差异成分Ek+1合并后与小波字典相乘获得重建的高光谱数据。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
基于调Q小波变换和高阶累积量的J波检测及分类方法 | 2020-11-27 | 1 |
一种船舶轨迹预测方法 | 2020-12-25 | 2 |
基于非下采样小波变换的改进四阶偏微分图像去噪方法 | 2021-01-13 | 2 |
设备状态检测装置 | 2021-06-06 | 2 |
用于封锁开关的方法 | 2021-10-03 | 1 |
一种利用暂态能量的交流输电线路故障选相方法 | 2021-09-18 | 2 |
Image watermarking based on sequency and wavelet transforms | 2022-02-20 | 0 |
Brain wave data processor and recording medium | 2023-03-15 | 2 |
워터마킹을 사용한 디지털 영상 코딩 장치와 디코딩 장치 및 그 방법 | 2023-03-25 | 2 |
便携式无创血糖检测设备及方法 | 2020-08-15 | 1 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。