申请/专利权人：清华大学

申请日：2021-11-22

公开（公告）日：2024-06-28

公开（公告）号：CN114022364B

主分类号：G06T3/4053

分类号：G06T3/4053;G06T5/50

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.02.25#实质审查的生效;2022.02.08#公开

摘要：本申请提出了一种基于光谱库优化学习的多光谱图像光谱超分方法，包括：获取高空间分辨率的多光谱遥感图像、涵盖图像观测区域地物类别的光谱库、光谱库的波段配置矩阵和拟重建高光谱遥感图像的波段配置矩阵；对光谱库的波段配置矩阵和拟重建高光谱遥感图像的波段配置矩阵进行匹配获得特定波段光谱库；对多光谱遥感图像和特定波段光谱库进行稀疏表示，并通过优化学习获得表达特定波段光谱库的光谱字典和等价稀疏系数；通过表达特定波段光谱库的光谱字典和等价稀疏系数的乘积获取光谱超分辨后的高空间分辨率的高光谱遥感图像。本申请实现了由单帧多光谱图像到高光谱图像的高精度与高稳定的光谱超分辨率重建。

主权项：1.一种基于光谱库优化学习的多光谱图像光谱超分方法，其特征在于，获取高空间分辨率的多光谱遥感图像、涵盖图像观测区域地物类别的光谱库、光谱库的波段配置矩阵和拟重建高光谱遥感图像的波段配置矩阵；对所述光谱库的波段配置矩阵和拟重建高光谱遥感图像的波段配置矩阵进行匹配，获得特定波段光谱库；对所述多光谱遥感图像和所述特定波段光谱库进行稀疏表示，并通过优化学习，获得表达特定波段光谱库的光谱字典和等价稀疏系数；通过所述表达特定波段光谱库的光谱字典和等价稀疏系数的乘积获取光谱超分辨后的高空间分辨率的高光谱遥感图像，其中，所述高光谱遥感图像的波段信息与拟重建高光谱遥感图像的波段配置矩阵相对应；其中，所述对光谱库的波段配置矩阵和拟重建高光谱遥感图像的波段配置矩阵进行匹配，获得特定波段光谱库，包括：通过求解最小距离问题获得选择矩阵，其中，最小距离问题表示为： 其中，WZ表示光谱库的波段配置矩阵，WX表示拟重建高光谱遥感图像的波段配置矩阵，P表示选择矩阵，pi表示选择矩阵P的第i行，通过逐行求解最小距离问题可以获得选择矩阵P，通过选择矩阵和光谱库的乘积获得特定波段光谱库，其中，选择矩阵和光谱库的乘积表示为：ZP＝PZ其中，ZP表示特定波段光谱库，P表示选择矩阵，Z表示光谱库；所述对所述多光谱遥感图像和所述特定波段光谱库进行稀疏表示，并通过优化学习，获得表达特定波段光谱库的光谱字典和等价稀疏系数，包括：使用表达特定波段光谱库的光谱字典分别稀疏表示多光谱遥感图像和特定波段光谱库，之后对拟重建高光谱遥感图像的稀疏系数矩阵和光谱库的稀疏系数矩阵进行1范数稀疏约束，得到1范数优化函数，通过求解1范数优化函数，获得表达特定波段光谱库的光谱字典和等价稀疏系数，其中，多光谱遥感图像的稀疏表示为：Y＝LDPAQ+NY其中，Y表示多光谱遥感图像，L表示多光谱遥感图像的光谱响应函数，DP为表达特定波段光谱库的光谱字典，AQ表示等价稀疏系数，NY表示退化模型中的零均值高斯噪声，特定波段光谱库的稀疏表示为：ZP＝DPAZ其中，ZP表示特定波段光谱库，DP为表达特定波段光谱库的光谱字典，AZ表示光谱库的稀疏系数矩阵，1范数优化函数表示为： 其中，DP为表达特定波段光谱库的光谱字典，AQ表示等价稀疏系数，AZ表示光谱库的稀疏系数矩阵，表示特定波段光谱库，表示多光谱遥感图像，N和M分别为多光谱遥感图像Y和特定波段光谱库ZP各波段中的像素数，λY和λZ分别为多光谱遥感图像Y和特定波段光谱库ZP的光谱波段数，λZλY，||||F表示Frobenius范数，正则化参数λ1和λ2用于平衡表示误差和稀疏性，η用于平衡空间误差与光谱误差，L表示多光谱遥感图像的光谱响应函数。

全文数据：

权利要求：

百度查询： 清华大学 基于光谱库优化学习的多光谱图像光谱超分方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD