[发明专利]基于自适应惩罚模型的干涉高光谱图像的二次超分辨重建

说明书

本发明涉及一种基于自适应惩罚模型的干涉高光谱图像的二次超分辨重建算法，根据干涉高光谱图像数据的特殊成像原理，提出了一种更适合干涉高光谱数据的自适应惩罚模型的超分辨重建算法。在传统超分辨重建的基础上，本发明采用二次复原对干涉高光谱数据的高频细节进行二次重建，并且对于不同的图像区域，采用不同的自适应惩罚参数。相对于传统Bicubic插值算法，ScSR算法，以及传统的二次复原算法，本发明的超分辨重建效果有明显提高(尤其是在干涉高光谱的干涉条纹部分)，并且与高分辨真实数据相比，也获得了更高的信噪比。

所属技术领域

本发明属于遥感光谱数据处理的技术领域，是针对干涉高光谱数据成像原理的固有特征及自身特点，采用自适应惩罚模型的二次超分辨重建算法。

背景技术

干涉高光谱成像技术在航空遥感领域中是很有价值的实用技术，通过这种技术可以获得观测目标的光谱信息与空间信息，该技术目前在气象、军事、环境监测和地质等领域都有较为广泛的实际应用。干涉高光谱图像数据是由基于推扫式傅里叶变换型成像原理的大孔径干涉光谱仪(LASIS，Large Aperture Static Imaging Spectrometer)通过卫星推扫产生的三维图像数据。随着应用领域的不断推广，其对于分辨率的要求也越来越高，所以针对其数据本身特点设计出适用于干涉高光谱数据的超分辨重建方法势在必行。近几年来，干涉高光谱遥感图像的超分辨重建方法一直被深入研究，干涉高光谱图像特殊的成像原理，使其帧内存在着大幅值且位置固定的干涉条纹，而帧间存在着水平移位的背景图像，这种特点会严重的破坏原始图像的固有结构，从而导致现有的超分辨重建算法的直接应用无法得到理想的重建效果。

现有算法的缺点：干涉高光谱数据中的条纹块(其中条纹信息也是干涉高光谱数据最有价值的信息)与其他背景图像块具有完全不同的图像结构，现有算法采用固定惩罚参数无法灵活的对不同结构的图像块做出自适应的处理，而且在图像块与训练字典进行匹配时，不同的相似字典图块应对应相同惩罚权值，同样存在上述问题。

发明内容

本发明的目的在于针对干涉高光谱数据的特殊性质，采用自适应惩罚模型对干涉高光谱数据进行二次超分辨重建。

一种基于自适应惩罚模型的干涉高光谱图像的二次超分辨重建算法，其特征在于：该算法包括以下步骤：

(1)读取一帧输入测试数据，M×M低分辨的干涉高光谱图像(转换为列向量)；

(2)通过双字典超分辨重建与Bicubic算法分别重建出一次复原图像与(同样转换为列向量，N＞M)；

(3)每一个低分辨训练集中的图像都进行2)操作，得到多幅与

(4)根据高分辨训练集中的与对应得到高频残差字典(N′是字典中包含训练图块的个数)；

(5)根据与得到中频残差字典

(6)根据与得到输入测试数据的中频残差

(7)采用自适应惩罚模型计算中频残差对应中频残差字典D_MR的稀疏系数α∈R^N′×1：

其中i表示不同的图像块i，dist∈R^1×N′表示图像块与中频残差字典D_MR直接的欧氏距离，其中dist的前k(k＜＜N′)项(d₁ d₂……d_k)分别表示在D_MR字典中与欧氏距离最小的k个距离，(d_k+1 d_k+2……d_N′)置零值，其中ο表示点乘运算符。

(8)计算高频残差

(9)计算输出高分辨干涉高光谱数据

本发明的优点和积极效果是：