[发明专利]一种基于地物类别分类冗余字典的成像光谱图像稀疏表示方法

说明书

本发明公开一种基于地物类别分类冗余字典的成像光谱图像稀疏表示方法，包括K‑means、基于K‑SVD的分类冗余字典训练，和成像光谱图像的全波段稀疏表示。通过非监督K‑means聚类，将成像光谱图像的信息按地物类别分成相应子集，通过分类字典稀疏分解成像光谱图像，在保证了稀疏性的前提下，提高了重建图像所有波段的信息质量。充分利用了光谱图像相同地物类别光谱曲线相似的特点，避免了错误信息的引入，保证了重建光谱图像的质量，有效避免了各波段独立进行产生的光谱失真问题。

技术领域

本发明涉及一种成像光谱图像稀疏表示方法，特别涉及一种基于地物类别分类冗余字典的成像光谱图像稀疏表示方法。

背景技术

成像光谱技术是20世纪80年代迅速发展起来的一种新的遥感技术，它以纳米级的超高光谱分辨率在几十甚至上百个波段同时获取地物辐射信息，因而能够在获取地物目标空间信息的同时，对其内部物理特征和构成进行探测。成像光谱技术在资源勘探、地质勘查、灾害救援等领域都有广泛的应用。

相似的地表区域，反射值也相似，则光谱曲线也就相似。成像光谱图像可以看作三维数据立方体，其第三维是光谱维，二维空间上的每一个象元均可沿光谱维提取出一条光滑连续的光谱反射曲线，该条光谱曲线反映了该像素点所包含地物在不同波段的反射值。由于地表反射和大气吸收都是依赖于波长的，同时地表发射的强度依赖于地面类型，因此表示相似地面类型的像元拥有相似形状的光谱曲线。

成像光谱图像的主要有以下几个特点：空间分辨率低于全色影像；光谱分辨率高，谱段多，数据量大；谱间相关性强，空间相关性相对较弱；相似地物具有相似光谱曲线。针对这些特点，人们希望找到一种新的成像光谱图像表示方法取代传统的信号表示方法，用稀疏逼近取代原始数据，实现信号的稀疏表示，可从实质上降低信号处理的成本，提高压缩效率。目前成像光谱图像稀疏表示方法主要有以下几种：

匹配追踪算法(matching pursuit,MP)：作为对信号进行稀疏分解的方法之一，将成像光谱图像信号在完备字典库上进行分解。从字典矩阵选择与像素光谱曲线最匹配的原子，构建一个稀疏逼近，并求出信号残差，然后继续选择与信号残差最匹配的原子，反复迭代。但如果残差在已选择的原子进行垂直投影是非正交性的，则使得每次迭代的结果只是次优的。

基追踪算法(basis pursuit,BP)：采用表示系数的范数作为信号表示稀疏性的度量，通过最小化1范数将信号稀疏表示问题定义为一类有约束的极值问题，进而转化为线性规划问题进行求解。基追踪算法由于要在所有的字典向量中极小化一个全局目标函数，因此算法复杂度极高。

现有技术对成像光谱图像的稀疏表示方法未充分考虑对成像光谱图像中光谱维信息的保持能力，造成通过稀疏表示信号所重建的高分辨率图像存在一定的光谱失真。另外，高光谱图像波段众多，对所有波段分别进行稀疏分解，其巨大的运算量也往往是难以承受的。通过本发明方法，分类训练冗余字典，充分利用成像光谱图像相似地物具有相似光谱曲线的特点，可以得到更准确的稀疏表示结果。

发明内容

针对现有技术中存在的上述问题，本发明提供一种基于地物类别分类冗余字典的成像光谱图像稀疏表示方法，实现更准确的成像光谱图像稀疏表示。

为实现上述目的，本发明采用如下技术手段：

由成像光谱仪完成成像光谱数据的采集，并将待处理图像的光学信号转化为数字图像信号，存储于采集设备存储器中；通过USB、红外接口读入图像，在处理器中进行基于地物类别分类冗余字典的成像光谱图像稀疏表示。其特征在于：使用K-means将成像光谱图像的信息按地物类别分类训练冗余字典，通过分类冗余字典实现成像光谱图像的全波段稀疏表示。

1.K-means聚类