[发明专利]基于卷积变分概率模型的高光谱图像融合方法

摘要

本发明公开了一种基于卷积变分概率模型的高光谱图像融合方法，主要解决现有技术生成的高分辨高光谱图像分辨率较低的问题，其实现方案是：首先对采集到的低分辨高光谱图像在空间维做上采样处理，再与高分辨多光谱图像构成训练样本和测试样本；然后用训练样本去训练卷积变分概率模型，并利用最大化变分下界公式，得到变分分布函数和真实后验的相似度最高的卷积变分概率模型；最后将测试样本输入到训练后的卷积变分概率模型中，对生成的高分辨高光谱图像进行优化处理，得到最终的高分辨高光谱图像。本发明通过利用模型的先验信息与输入图像之间的关联信息，提高了生成高分辨高光谱图像的分辨率，可用于医疗诊断、遥感、计算机视觉和监视。

主权项

1.一种基于卷积变分概率模型的高光谱图像融合处理方法，包括如下：(1)从AVIRIS图像集中获取低分辨高光谱图像L和高分辨多光谱图像H；(2)将低分辨高光谱图像L沿空间维进行上采样处理，得到与高分辨多光谱图像H尺寸大小一样的图像并将和高分辨多光谱图像H作为训练样本，将与训练样本不同的高分辨多光谱图像H和作为测试样本；(3)训练卷积变分概率模型：(3a)构建卷积变分概率模型,该模型由低分辨高光谱图像L中的低推理子模型、低生成子模型，及高分辨多光谱图像H中的高推理子模型、高生成子模型这四个子模型构成，每个子模型是由一个多层感知机和一个卷积神经网络CNN组成；(3b)从均值为0、方差为0.01的高斯分布中随机采样，将随机采样的数组作为卷积变分概率模型的初始化参数；(3c)将训练样本输入到卷积变分概率模型中,并利用最大化变分下界公式，得到变分分布函数和真实后验的相似度最高的卷积变分概率模型；(3d)利用批量随机梯度下降方法，对卷积变分概率模型的所有参数进行迭代更新，得到更新后的卷积变分概率模型；(4)图像优化处理：(4a)将测试样本输入到更新后的卷积变分概率模型中，生成高分辨高光谱图像块，并将其进行排列；(4b)对排列后图像块之间的重叠部分的像素值求平均值，得到重构的高分辨高光谱图像；(4c)对重构的高分辨高光谱图像进行优化处理，得到最终的高分辨高光谱图像。