[发明专利]一种稀疏框架下基于光谱库的多光谱遥感图像光谱超分辨率方法

说明书

技术领域

本发明属于遥感图像获取与处理技术领域，适用于多光谱遥感图像的光谱超分辨率重建，特别涉及一种稀疏框架下基于光谱库的多光谱遥感图像光谱超分辨率方法。

背景技术

高光谱遥感图像在地物识别与分类、环境监测中得到了广泛应用。光谱分辨率的提升依赖于成像光谱仪的分光系统，由于其光学结构复杂、体积大、质量重，多搭载在卫星或航空遥感平台上，这使得高光谱数据获取的便捷性和经济性都受到了限制；同时，光谱分辨率的提升使得每条光谱带宽变窄，成像时必须采用较大的瞬时视场(Instantaneous Field of View，IFOV)才能积累足够多的光量子以维持成像的信噪比，而瞬时视场与空间分辨率是两个相互制约的技术指标，瞬时视场的增大会导致空间分辨率的降低。然而在许多遥感应用领域，较高的空间分辨率与光谱分辨率都是不可缺少的，因此如何在保持较高空间分辨率的基础上获得光谱超分辨率图像具有重要的现实意义。

现阶段，基于混合像元分解的遥感图像融合技术通过融合同一场景下的多光谱图像与高光谱图像，从而获得具有高光谱分辨率的遥感图像并保持了较高的空间分辨率。混合像元分解将遥感图像分解为各种地物成分(端元)，再通过多光谱图像在非负约束下求解各成分所占的比例(丰度)。然而混合像元分解中端元个数的确定以及纯净端元的提取都存在一定的困难，因此所得到的融合图像存在光谱失真问题；同时，同一场景下的同时相多光谱图像与高光谱图像往往难以获得，这也使得该方法难以推广。

近年来，稀疏表示框架在遥感图像超分辨率重建领域展现了巨大的潜力，它将遥感图像表示为字典与稀疏系数的乘积。稀疏表示过程中不需要提取端元，且稀疏系数无非负限制，因此该方法能够克服现阶段图像融合技术的缺点，使得多源遥感图像中蕴含的不同信息能够得到充分表达。此外，光谱库作为大量地物光谱数据的集合，在遥感图像信息解译、分类与识别等方面应用广泛，可以有效提供高分辨率的光谱信息，避免对同一场景同时相多源遥感图像的依赖。本发明将稀疏表示框架引入遥感图像的光谱超分辨率重建中，由波段匹配后的光谱库数据训练得到光谱字典，通过多光谱遥感图像求解稀疏系数，从而获得光谱超分辨率后的高光谱遥感图像。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种稀疏框架下基于光谱库的多光谱遥感图像光谱超分辨率方法，先利用波段匹配的光谱库数据训练得到光谱字典。其次，通过多光谱遥感图像求解稀疏表示系数。最后，通过光谱字典和稀疏系数获得光谱超分辨率的高光谱遥感图像。此方法能在保持空间分辨率的基础上获得光谱超分辨率的高光谱遥感图像，且避免了对同一场景同时相多源遥感图像的依赖。

为了实现上述目的，本发明采用的技术方案是：

一种稀疏框架下基于光谱库的多光谱遥感图像光谱超分辨率方法，步骤如下：

步骤1，获得一幅低光谱分辨率的多光谱遥感图像；

步骤2，获得涵盖步骤1中该图像观测区域地物类别的光谱库；

步骤3，在步骤2中光谱库波段范围内，给出拟重建高光谱遥感图像的波段数目及其位置信息；

步骤4，将光谱库中的波段与步骤3得到的波段信息进行匹配；

步骤5，利用步骤4中匹配后的光谱库数据，在非分解的模式下进行字典训练，得到过完备的光谱字典D；

步骤6，利用步骤1得到的多光谱遥感图像以及步骤5得到的过完备光谱字典D，在无非负约束的条件下求解稀疏表示系数A；

步骤7，通过获得光谱超分辨率后的高光谱遥感图像。

所述步骤1中获得的低光谱分辨率的多光谱遥感图像Y_L∈R^b×N的同时获得光谱响应函数L，b和N分别为多光谱遥感图像的波段和空间像素点数目，R为实数空间。

所述步骤4中光谱库与步骤3中得到的波段信息进行匹配是指，通过如下方法：

W_Ω＝min||PW_l-W_x||₂(1)

获得两者匹配的波段信息W_Ω∈R^B×1，其中P∈R^B×M，为选择矩阵，W_l∈R^M×1与W_x∈R^B×1分别为光谱库与光谱超分辨率遥感图像的波段信息，M≥B，分别为光谱库与拟重建高光谱遥感图像的波段数目。

所述步骤5中过完备光谱字典D利用光谱库中匹配的光谱数据，由K-SVD字典学习方法通过优化如下最小化问题求得：