[发明专利]基于二维压缩感知的遥感影像高效采集和增量更新方法

说明书

技术领域

     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

     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，但是由于处理能力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。

     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，。

     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，。

     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。

     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

     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。

     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；。