首页 / 专利库 / 心理学与精神病学 / 感知 / 基于二维压缩感知的遥感影像高效采集和增量更新方法

基于二维压缩感知的遥感影像高效采集和增量更新方法

阅读:243发布:2022-12-29

专利汇可以提供基于二维压缩感知的遥感影像高效采集和增量更新方法专利检索,专利查询,专利分析的服务。并且基于二维 压缩 感知 的遥感影像高效采集和增量更新方法,属于遥感和压缩感知技术领域,提供了一种将传统影像采集方法和压缩感知采集方法融为一体的遥感影像高效采集和增量更新方法。本 发明 所述的方法:首先,以传统方法采集时相t1的遥感影像;然后,以压缩感知方法采集时相t1和时相t2的测量数据;再以时相t1和时相t2测量数据的差值,基于二维压缩感知模型,利用变化区域的 时空 连续性先验信息,高效重构二维稀疏 信号 ;最后,以重构结果和时相t1的遥感影像实现时相t2的遥感影像增量更新。更新时相t2的遥感影像仅需2-3倍于变化区域的测量数据,这是传统遥感影像采集方法无法做到的。本发明为压缩感知理论在遥感领域的实际应用奠定了 基础 。,下面是基于二维压缩感知的遥感影像高效采集和增量更新方法专利的具体信息内容。

1.基于二维压缩感知的遥感影像高效采集和增量更新方法,其特征是:所述方法的过程为:
步 骤 一:以 传 统 方 法 采 集 时 相 t1 的 遥 感 影 像 数 据
(L表示 中列的总数);以压缩感知方法通过测量矩阵 ( , )采集时
相t1和t2的测量数据 和 (其中 , );计算 (其中
);采用分段正交匹配追踪(Stagewise orthogonal matching pursuit,StOMP)算法(或其他重构算法,如MP、OMP、ROMP、StOMP、SP和CoSaMP)通过 (其
中 表示 的列号, )重构二维稀疏信号 (其中 ),
重构结果记为 ;
步骤二:设定临界值 ,设定迭代误差 ;判断 各列的稀疏度
,如果是,属于确定区域;否则,属于不确定区域;
步骤三:计算成分布的不确定区域数量 及各块不确定区域列的数量 ;
步骤四:判断 ,如果是,设定迭代次数 的初始值为1;否则,执行步骤十一;
步骤五:提取不确定区域 和不确定区域 的列数 ;设定迭代次数 的初始值为1;
步骤六:提取不确定区域 的左邻列 ;根据左邻列 的支撑集 扩充
,得到不确定区域列的支撑集 ;判断 ,如果是,执行步骤七;否则,执行步骤八;
步 骤 七:以 支 撑 集 计 算 列j 的 稀 疏 解 ;判 断
和 ,如果是, ,执行步骤八;否
则使 ,判断 ,如果是,执行步骤十,否则返回执行步骤六;
步骤八:提取不确定区域 的右邻列 ;根据右邻列 的支撑集 扩充
,得到不确定区域列的新的支撑集 ;判断 ,如果是,执行步骤九;否则,执行步骤十;
步 骤 九:以 支 撑 集 计 算 列 的 稀 疏 解 ;判 断
和 ,如果是,执行步骤十;否则使
,判断 ,如果是,执行步骤十,否则返回执行步骤八;
步骤十:使 ,判断 ,如果是,退出迭代1,否则返回执行步骤五;
步骤十一:输出:重构信号 ,并标出重构失败的列; 。
2.根据权利要求1所述的基于二维压缩感知的遥感影像高效采集和增量更
新方法,其特征在于步骤一所述的二维压缩感知型:
或 ,且 ,其 中, , ,
, 。
3.根据权利要求1所述的基于二维压缩感知的遥感影像高效采集和增量更新方法,其特征在于步骤二所确定区域和不确定区域的界定方法: 各列的稀疏度 ,如果是,属于确定区域;否则,属于不确定区域。
4.根据权利要求1所述的基于二维压缩感知的遥感影像高效采集和增量更新方法,其特征在于步骤二中设定默认临界值cri1为 ,cri2为 、设定默认迭代误差err1为、err2为 。
5.根据权利要求1所述的基于二维压缩感知的遥感影像高效采集和增量更新方法,其特征在于步骤二中cri1、 err1和err2的设定方法:对于不同规模类型的测量矩阵和不同的稀疏信号重构算法cri1的取值都是不一样的,其具体取值过程,首先,对确定的测量矩阵和确定的稀疏信号重构算法以不同稀疏度的稀疏信号测试取得能完全重构的最大稀疏度 ;然后,以略小于 的值作为cri1;err1和err2的取值以不大于10%为宜。
6.根据权利要求1所述的基于二维压缩感知的遥感影像高效采集和增量更新方法,其特征在于步骤六和步骤八所述的支撑集扩充方法:首先,计算已知左邻列(或右邻列)支撑集中原子连续分布的块数(孤立的原子也算作一个块),并对各块的原子数量乘以 (采用 扩充后的支撑集以不大于稀疏信号中的最大支撑集为宜, 取值过大可能导致;过小又容易导致漏选有效原子)后向上取整得到整数△I;然后,把与该块左右相邻的各△I/2个原子吸纳进来扩展成新块(如果相邻块很近,扩展区重叠,则重叠区原子只取一次,合并两个块;如果已到测量矩阵边界,则扩展到测量矩阵边界为止);最后,得到新的支撑集 。
7.根据权利要求1所述的基于二维压缩感知的遥感影像高效采集和增量更新方法,其特征在于步骤六和步骤八所述的左邻列和右邻列的定义方法:左邻列,邻接不确定区域的左侧确定区域的相邻列;右邻列,邻接不确定区域的右侧确定区域的相邻列。
8.根据权利要求1所述的基于二维压缩感知的遥感影像高效采集和增量更新方法,其特征在于步骤七和步骤九所述的能量和方向判断条件: 和

说明书全文

基于二维压缩感知的遥感影像高效采集和增量更新方法

技术领域

[0001] 本发明属于遥感和压缩感知技术领域,具体提供了一种基于二维压缩感知的遥感影像高效采集和增量更新方法。

背景技术

[0002] 遥感技术的发展使覆盖全球海量遥感数据的获取成为现实,但是由于处理能有限信息提取利用率还不到获取量的5%。海量的遥感数据中存在着大量的冗余,对未变化区域的重复采集是造成冗余数据的原因之一。如能减少冗余数据采集,实现对变化区域的定向遥感就能提高遥感数据的获取效率,也能提高遥感数据的利用率。但是由于变化区域的不确定行和未知性,实现定向遥感几乎是不可能的。
[0003] 压缩感知技术的出现为改变传统的遥感数据获取模式提供了可能。只要信号x满足稀疏要求,就可基于测量数据 通过 完全重构稀疏信号x,其中, ;, ; 为测量矩阵, 。
[0004] 遥感影像中的变化区域具有天然的稀疏性。因此,可以通过压缩感知方法采集不同时相的两幅影像做差值处理以满足压缩感知的稀疏性要求。首先,以传统方法和压缩感知方法采集时相t1的影像信号 和测量数据 ;然后,以压缩感知方法采集时相t2的测量数据 ;再以 重构 ;最后,解算出时相t2的遥感影像 ,即 。其中 , 。
[0005] 当前压缩感知研究多是基于一维信号。即使研究图像这种二维信号也多是转化为一维信号后再作压缩感知研究。只有最小全变分法(Total Variation,TV)在目标函数中利用了图像的梯度信息,但在约束函数中依然把二维信号一维化。从重构效果看,只有在梯度大的地方优于离散余弦变换(Discrete cosine transform, DCT)(为了避免概念的混淆,我们把基于一维信号的压缩感知模型称之为一维压缩感知)。遥感影像和变化区域都是具有结构的,这种结构是很好的先验信息,如充分利用可有助于改善提高稀疏信号的重构精度和效率。但把二维信号一维化破坏了这种结构先验信息。
[0006] 遥感影像的获取多是采用线阵连续推扫模式,设扫描条带的长度为L。如果以矩阵( )表示扫描条带,则卫星或飞机的扫描线每次只能取得 某列的数据。因此,二维压缩感知模型可表示为 ,其中 , 是的列向量。二维压缩感知模型也可等价表示成一维形式 。

发明内容

[0007] 本发明为了利用遥感影像变化区域连续相关性的先验结构信息提高稀疏信号重构能力和遥感影像采集效率,特提供了一种基于二维压缩感知的遥感影像高效采集和增量更新方法。
[0008] 本发明是通过下述方案予以实现的:基于二维压缩感知的遥感影像高效采集和增量更新方法,所述方法的过程为:步骤一:以传统方法采集时相t1的遥感影像数据 (L表示 中列的总数);以压缩感知方法通过测量矩阵 ( , )采集时相t1和t2的测量数据 和
(其中 , );计算 (其中 );采用分段正交匹配追踪
(Stagewise orthogonal matching pursuit,StOMP)算法(或其他重构算法,如MP、OMP、ROMP、StOMP、SP和CoSaMP)通过 (其中 表示 的列号,
)重构二维稀疏信号 (其中 ),重构结果记为 ;
步骤二:设定临界值 ,设定迭代误差 ;判断 各列的稀疏度
,如果是,属于确定区域;否则,属于不确定区域;
步骤三:计算成分布的不确定区域数量 及各块不确定区域列的数量 ;
步骤四:判断 ,如果是,设定迭代次数 的初始值为1;否则,执行步骤十一;
步骤五:提取不确定区域 和不确定区域 的列数 ;设定迭代次数 的初始值为1;
步骤六:提取不确定区域 的左邻列 ;根据左邻列 的支撑集 扩充
,得到不确定区域列的支撑集 ;判断 ,如果是,执行步骤七;否则,执行
步骤八;
步 骤 七:以 支 撑 集 计 算 列j 的 稀 疏 解 。 判 断
和 ,如果是, ,执行步骤八;否
则使 ,判断 ,如果是,执行步骤十,否则返回执行步骤六;
步骤八:提取不确定区域 的右邻列 ;根据右邻列 的支撑集 扩充
,得到不确定区域列的新的支撑集 ;判断 ,如果是,执行步骤九;否则,
执行步骤十;
步骤九:以支撑集 计算列的稀疏解 。判断
和 ,如果是,执行步骤十;否则使 ,判断 ,如果是,
执行步骤十,否则返回执行步骤八;
步骤十:使 ,判断 ,如果是,退出迭代1,否则返回执行步骤五;
步骤十一:输出:重构信号 ,并标出重构失败的列; 。
[0009] 本发明根据遥感影像推扫式采集数据的特点和保留遥感影像二维结构先验信息的需要构建了二维压缩感知模型。同时根据变化检测的特点和性质以及测量数据y对信号x能量和方向的继承和保持特性提出了基于二维压缩感知的稀疏信号重构算法。
[0010] 本发明所述的方法能够依据二维信号的结构先验信息完全重构MP、OMP、ROMP、StOMP、SP和CoSaMP等算法无法重构的大稀疏度信号。因此,本发明所述方法的信号重构能力好于MP、OMP、ROMP、StOMP、SP和CoSaMP等算法。本发明所述的方法在遥感影像高效采集和增量更新以及压缩感知的图像处理、视频分析、雷达遥感、通信编码、数字音频等领域有着广泛的应用前景。附图说明
[0011] 图1是具体实施方式一所述的基于二维压缩感知的遥感影像高效采集和增量更新方法的流程图;图2(a)是应用具体实施方式计算 、 和 各列能量得到的各列能量和列号的关系图;图2(b)是应用具体实施方式计算 、 和 各相邻列相关系数得到的各列相关系数和列号的关系图;图2(c)是遥感影像的变化区域差值影像, 。

具体实施方式

[0012] 具体实施方式一:根据说明书附图1具体说明本实施方式。基于二维压缩感知的遥感影像高效采集和增量更新方法,所述方法的过程为:步骤一:以传统方法采集时相t1的遥感影像数据 (L表示 中列的总数);以压缩感知方法通过测量矩阵 ( , )采集时相t1和t2的测量数据 和
(其中 , );计算 (其中 );采用分段正交匹配追踪
(Stagewise orthogonal matching pursuit,StOMP)算法(或其他重构算法,如MP、OMP、ROMP、StOMP、SP和CoSaMP)通过 (其中 表示 的列号,
)重构二维稀疏信号 (其中 ),重构结果记为 ;
步骤二:设定临界值 ,设定迭代误差 ;判断 各列的稀疏度
,如果是,属于确定区域;否则,属于不确定区域;
步骤三:计算成块分布的不确定区域数量 及各块不确定区域列的数量 ;
步骤四:判断 ,如果是,设定迭代次数 的初始值为1;否则,执行步骤十一;
步骤五:提取不确定区域 和不确定区域 的列数 ;设定迭代次数 的初始值为1;
步骤六:提取不确定区域 的左邻列 ;根据左邻列 的支撑集 扩充
,得到不确定区域列的支撑集 ;判断 ,如果是,执行步骤七;否则,执行
步骤八;
步 骤 七:以 支 撑 集 计 算 列j 的 稀 疏 解 。 判 断
和 ,如果是, ,执行步骤八;否
则使 ,判断 ,如果是,执行步骤十,否则返回执行步骤六;
步骤八:提取不确定区域 的右邻列 ;根据右邻列 的支撑集 扩充
,得到不确定区域列的新的支撑集 ;判断 ,如果是,执行步骤九;否则,
执行步骤十;
步骤九:以支撑集 计算列的稀疏解 。判断
和 ,如果是,执行步骤十;否则使 ,判断 ,如果是,
执行步骤十,否则返回执行步骤八;
步骤十:使 ,判断 ,如果是,退出迭代1,否则返回执行步骤五;
步骤十一:输出:重构信号 ,并标出重构失败的列; 。
[0013] 具体实施方式二:本具体实施方式是对具体实施方式一所述的基于二维压缩感知的遥感影像高效采集和增量更新方法的进一步说明,步骤二中设定默认临界值cri1为 、cri2为 ,设定默认迭代误差err1为 、err2为 。对于128×256的高斯测量矩阵StOMP算法能够完全重构的稀疏信号的稀疏度最大值为44,本发明取44的90%为cri1的默认值(40)。对于不同规模类型的测量矩阵和不同的稀疏信号重构算法cri1的取值都是不一样的,其具体取值过程为:首先,对确定的测量矩阵和确定的稀疏信号重构算法以不同稀疏度的稀疏信号测试取得能完全重构的最大稀疏度 ;然后,以略小于 的值作为cri1;err1和err2的取值以不大于10%为宜。
[0014] 具体实施方式三:本具体实施方式是对具体实施方式一所述的基于二维压缩感知的遥感影像高效采集和增量更新方法的进一步说明,步骤六和步骤八所述的支撑集扩充的具体过程为:首先,计算已知左邻列(或右邻列)支撑集中原子连续分布的块数(孤立的原子也算作一个块),并对各块的原子数量乘以 (采用 扩充后的支撑剂以不大于稀疏信号中的最大支撑集为宜, 取值过大可能导致 ;过小又容易导致漏选有效原子)后向上取整得到整数△I;然后,把与该块左右相邻的各△I/2个原子吸纳进来扩展成新块(如果相邻块很近,扩展区重叠,则重叠区原子只取一次,合并两个块;如果已到测量矩阵边界,则扩展到测量矩阵边界为止);最后,得到新的支撑集 。
[0015] 具体实施方式四:本具体实施方式是对具体实施方式一所述的基于二维压缩感知的遥感影像高效采集和增量更新方法的进一步说明,步骤六和步骤八所述的左邻列和右邻列的定义分别为:左邻列,邻接不确定区域的左侧确定区域的相邻列;右邻列,邻接不确定区域的右侧确定区域的相邻列。
[0016] 具体实施方式五:下面结合图2具体说明本实施方式。本实施方式是采用StOMP算法重构 ,并对比 、 和 的各列的能量和相关性。图2中带“ ”标记的是△Y曲线;带“ ”标记的是△XR曲线;带“ ”标记的是△X曲线。图2的x轴表示△X,△XR和△Y的列号 ( );图2(a)中的曲线分别表示△X,△XR和△Y各列的能量(即列向量的模);图2(b)中的曲线分别表示△X,△XR和△Y各相邻列的相关系数;图2(c)是变化区域的灰度图(即△X),为了与图2(a)、(b)和(c)的长度一致,故对图2(d)做了缩放处理)。
[0017] 实验结果如图2所示。因为图2中△X的列的最大的稀疏度才75,所以本发明所述的方法顺利完成完全重构。由于是完全重构,最终的重构信号(△XR)的各种性质和图2中△X的性质完全一样,所以图2中并未再画出最终重构信号的曲线。
相关专利内容
标题 发布/更新时间 阅读量
感知装置 2020-05-11 332
热感知器 2020-05-11 63
一种智能感知桌面装置、感知方法及感知系统 2020-05-13 116
一种以物联网为依托的感知城市系统 2020-05-11 598
体感网感知终端系统、感知节点及感知方法 2020-05-13 100
无线感知器 2020-05-12 220
感知装置 2020-05-11 664
交互感知决策 2020-05-13 832
感知水杯 2020-05-12 770
感知楼梯 2020-05-12 617
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。

申请试用

分析报告

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。

申请试用

QQ群二维码
意见反馈