[发明专利]基于概率生成模型的高光谱图像超分辨方法

摘要

本发明公开了一种基于概率生成模型的多光谱与高光谱图像超分辨方法，其实现步骤为：(1)建立数据集；(2)建立概率生成模型；(3)输入光谱图像；(4)对联合概率分布对数进行最大化处理；(5)得到超分辨后的光谱图像。本发明克服了现有技术使用估计空间转换矩阵的先验信息会使模型参数不准确，浅层模型表征能力差的问题，使得本发明的模型参数与超分辨后的高分辨率的高光谱图像更准确，是一种高效的高光谱图像超分辨方法。

主权项

1.一种基于概率生成模型的高光谱图像超分辨方法，其特征在于，将低分辨率的高光谱图像输入概率生成模型的低分辨生成子模型，将高分辨的多光谱图像输入概率生成模型的高分辨子模型，最大化高光谱与多光谱图像联合概率分布的对数，得到低分辨生成子模型和高分辨生成子模型的隐层与所有模型参数，该方法的具体步骤包括如下：(1)建立数据集：建立一个空集作为数据集；(2)建立概率生成模型：(2a)建立一个低分辨生成子模型，该子模型包含一个低分辨图像输入层、两个隐层和一个顶层，每层之间有一个多层感知机操作；(2b)建立一个高分辨生成子模型，该子模型包含一个高分辨图像输入层、三个隐层和一个顶层，每层之间有一个多层感知机操作；(3)输入光谱图像：(3a)将单幅低分辨率的高光谱图像，以及该高光谱图像对应的相同场景下的高分辨率的多光谱图像，输入到数据集中，同时将两者之间的光谱转换矩阵输入数据集中；(3b)将数据集中的低分辨率的高光谱图像，输入到概率生成模型中的低分辨生成子模型，同时将数据集中的高分辨率的多光谱图像，输入到概率生成模型中的高分辨生成子模型；(4)对联合概率分布对数进行最大化处理：(4a)利用联合似然公式，对高光谱与多光谱图像联合概率分布进行对数运算，得到联合概率分布对数；(4b)使用随机梯度下降算法，对联合概率分布对数进行最大化处理，得到低分辨生成子模型和高分辨生成子模型的隐层与所有模型参数；(5)得到超分辨后的光谱图像：从得到的高分辨生成子模型的第一个隐层中，得到超分辨后的高分辨率的高光谱图像。