[发明专利]协同稀疏测量和3D TV模型的高光谱影像压缩感知重构方法

摘要

本发明公开一种可提高高光谱影像压缩感知重构质量的基于协同稀疏测量和3D TV模型的压缩感知重构方法，兼顾考虑了高光谱遥感影像的局部相关性、非局部自相关性和谱间相关性，利用3D TV模型将局部相关性先验和谱间相关性先验进行联合稀疏表示，再结合非局部自相关性的先验知识，利用分离Bregman迭代算法计算得到优化重构结果，能够在压缩感知重构的同时，起到修复和去噪的效果。

主权项

一种协同稀疏测量和3D TV模型的高光谱影像压缩感知恢复方法，其特征在于按如下步骤进行：步骤1. 在编码端，对高光谱遥感影像的每一个波段进行压缩感知采样,其过程与典型压缩感知编码相同，得到观测值，中，,M为分组个数；,为第组的波段数，并将传输至解码端；步骤2. 在解码端，令；步骤3. 如果，则令，并转入步骤 4；否则，转入步骤5；步骤4. 如果，则解码过程结束；否则，转入步骤5；步骤5. 输入第组的第个波段帧的测量值；步骤6. 如果，即待重构图像为该波段组的第1个波段帧，则采用RCoS算法根据测量值计算对应的重构帧并将其输出，然后转入步骤8；否则，转入步骤7；步骤7. 利用公式(1)所示的协同稀疏模型和三维TV模型的联合模型迭代求解：其中,为一非负参数，表示第组高光谱图像的第个波段在局部2D空间域上的稀疏性先验，表示第组高光谱图像的第个波段的非局部自相似稀疏先验，表示第组高光谱图像的第个波段和第个波段之间的谱间稀疏性先验，为0‑范数，为1‑范数；步骤 7.1 设表示迭代次数，T表示最大迭代次数，令，引入中间变量和b，并令，，其中，和分别表示和b的第0次迭代后的结果（即初始值）；步骤 7.2 利用最速梯度下降法求解公式(2)，从而计算：其中，是预定的下降步长，A为满足等距约束性的任意投影算子，为正值参数，和分别表示在次和次迭代后的结果，表示在次迭代后的结果，表示b在次迭代后的结果；步骤7.3 定义局部2D稀疏性和谱间稀疏性先验函数h：其中，a和表示某一波段及其前一波段的图像帧，和分别为图像水平和垂直方向的梯度算子，是沿着光谱维方向的1阶差分算子；步骤7.4 定义某一波段帧a的非局部自相似稀疏先验函数g，将a划分成n个互不重叠的子块，对于第s个子块，在一个像素的窗口中搜索与其最相似的c个块，将这些相似块及s组成一个3D块序列并进行3D小波变换，利用公式（4）计算所有子块的非零3D小波系数的数量并将其作为a的非局部自相似稀疏先验：步骤7.5 利用公式(5)计算：其中，表示在第次迭代后的结果,，，，函数和的定义为：步骤7.6 利用公式(8)计算：其中，表示b在次迭代后的结果；步骤7.7 令，若，则转入步骤7.2；否则，输出第个波段组第波段的重构帧，然后转入步骤8；步骤8. 令，转入步骤3。