[发明专利]基于深度图像先验的高光谱图像超分辨率重建方法

权利要求书

1.一种基于深度图像先验的高光谱图像超分辨率重建方法，其特征在于，包括：

步骤1：获取待超分的图像以及主体学习网络；

步骤2：对所述待超分的图像进行边缘裁剪，得到中心区域图像；

步骤3：在所述中心区域图像的第一位置区域进行均匀划分，获得非重叠的测试图像样本以及在第二位置区域进行提取，获得待超分的子图像块；

其中，所述第一位置区域与所述第二位置区域不存在重叠；

步骤4：将已构建的自动处理网络的输出连接所述主体学习网络的输入，以组成超分辨率重建网络；

其中，所述自动处理网络包括：输入处理模块以及主体恢复模块，所述输入处理模块内部按照输入在前输出在后，依次包括与输入图像像素数相同的第一卷积层、三个第二卷积层以及一个上采样层，所述主体恢复模块内部按照输入在前输出在后，依次包括一个第二卷积层、一个上采样层、一个注意力模块以及四个第二卷积层，所述自动处理网络包括主干道、参差跳跃通道以及组合通道，主干道由所述输入处理模块的输出连接所述主体恢复模块输入直至所述主体恢复模块输出组成，所述组合通道由输入处理模块的第一卷积层输出直接连接主体恢复模块的输入组成，所述参差跳跃通道由输入处理模块的第一卷积层直接连接所述主体恢复模块的最后一个第二卷积层的输出组成；

步骤5：将与所述待超分的子图像块大小相同的白噪声输入超分辨率重建网络中，通过反向传播调整所述超分辨率重建网络的参数降低损失函数直至最佳迭代次数，以使超分辨率重建网络根据所述待超分的子图像块的空间信息与光谱波段的相关性学习所述待超分的子图像块的特征，得到重构后的高光谱图像。

2.根据权利要求1所述的基于深度图像先验的高光谱图像超分辨率重建方法，其特征在于，所述第一位置区域为所述中心区域图像中左半侧区域，所述第二位置区域为所述中心区域图像中右半侧区域。

3.根据权利要求1所述的基于深度图像先验的高光谱图像超分辨率重建算法，其特征在于，所述中心区域图像的大小为1096×715×102，所述测试图像样本以及所述待超分的子图像块大小为223×223，所述第一卷积层的大小为223×223，所述第二卷积层的大小为3×3。

4.根据权利要求1所述的基于深度图像先验的高光谱图像超分辨率重建方法，其特征在于，在所述自动处理网络中每个卷积层后都连接一个激活层，所述激活层的激活函数为：

其中，x表示上一层卷积后的参数，表示负方向上的斜率；

所述自动处理网络的损失函数表示为：

E(x；x₀)＝||d(f_θ(IPM(Z)))-x₀||₁

其中，x₀表示待超分的低质量图像，x表示输出图像，d(f_θ(IPM(Z)))表示输入的白噪声Z输入到超分辨率重建网络，经过主体学习网络输出后再降采样所得的图像。

5.根据权利要求1所述的基于深度图像先验的高光谱图像超分辨率重建方法，其特征在于，所述输入处理模块中第一卷积层，用于将输入样本图像进行压缩；

所述组合通道传输的压缩数据与上采样层采样的数据，经过维度组合输入至所述主体恢复模块，

组合通道传输的压缩数据表示为：

上采样层的采样数据表示为：

所述自动处理网络的输出表示为：Z^*＝F_IPM(Z)＝Z_p+H_cp(Z_ca)

其中，Z_p表示输入处理模块中第一卷积层压缩后的压缩数据。