[发明专利]针对多帧图像光谱字典构建的增量学习方法和系统

说明书

本申请提出了一种针对多帧图像光谱字典构建的增量学习方法，涉及遥感图像处理技术领域，包括：获取多帧光谱图像；利用第一帧光谱图像进行字典学习，获得表达第一帧光谱图像的光谱字典；通过活动率比值将表达第一帧光谱图像的光谱字典划分为普适性光谱字典和第一帧光谱图像的特异性光谱字典；利用第二帧光谱图像的特有信息与野点去除策略求解第二帧光谱图像的特异性光谱字典；使用第一帧光谱图像和第二帧光谱图像的共有信息更新普适性光谱字典；对多帧光谱图像进行迭代处理，获得由多帧光谱图像的特异性光谱字典和更新后的普适性光谱字典构成的增量字典。本申请在兼顾原有光谱图像字典表达性能的同时，有效提升了新增光谱图像的字典表达精度。

技术领域

本申请涉及遥感图像处理技术领域，尤其涉及一种针对多帧图像光谱字典构建的增量学习方法和系统。

背景技术

遥感图像中的高/多光谱图像可以提供丰富的光谱信息，这使得它可以通过光谱信息区分不同材质，可广泛应用于环境监测、地物分类等领域。基于字典学习的方法可以有效提取高/多光谱图像中的有效光谱信息，从而对背景进行建模，进而区分和辨识光谱目标。然而，随着光谱图像数量的不断增加，针对多帧光谱图像的字典学习具有较高复杂度，且无法充分利用已学到的字典信息进行增量处理。因此，针对不断增加的多帧光谱图像，如何利用已有光谱字典进行增量学习具有重要的现实意义。

现阶段，基于稀疏表示的光谱字典增量学习方法，一般仅针对新增光谱图像增加字典成分从而实现准确表达新增光谱图像的目的，但这一策略可能使得增量后字典不能较好的表达原有光谱图像；同时，也存在原有字典与新增字典中的相似成分去除问题，相似性度量与阈值选取也存在一定困难；此外，现有增量学习方法大多涉及的是自然图像，一般仅考虑了其稀疏特性，而未充分考虑到遥感图像本身固有的低秩特性，这使得字典学习过程不够准确，以上问题使得现有方法无法获得令人满意的字典增量学习结果与字典表达精度。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的第一个目的在于提出一种针对多帧图像光谱字典构建的增量学习方法，解决了现有方法无法获得令人满意的字典增量学习结果与字典表达精度的问题，通过将活动率比值引入增量字典学习中，将增量字典建模为普适性光谱字典与特异性光谱字典，在稀疏与低秩约束下同时挖掘多帧光谱图像的共有信息与特有信息，利用新增光谱图像的特有信息优化特异性光谱字典，同时利用多帧光谱图像的共有信息更新普适性光谱字典，实现了在兼顾原有光谱图像字典表达性能的同时，有效提升新增光谱图像的字典表达精度。并且本申请通过将野点去除引入增量学习的特异性光谱字典初始化中，提升了特异性光谱字典优化的有效性。

本申请的第二个目的在于提出一种针对多帧图像光谱字典构建的增量学习系统。

本申请的第三个目的在于提出一种非临时性计算机可读存储介质。