基於稀疏矩陣的高光譜遙感圖像的壓縮感知處理方法

2023-09-20 16:44:55 2

專利名稱：基於稀疏矩陣的高光譜遙感圖像的壓縮感知處理方法
技術領域：
本發明涉及一種基於稀疏矩陣的高光譜遙感圖像的壓縮感知處理方法，屬移動通信信源編碼領域。
背景技術：
遙感技術通過記錄地物發射或反射的輻射能量，能夠充分識別這些地物的特徵。傳統的遙感器在幾個離散的波段，以不同的波段寬度(常為IOOlOOnm)獲取圖像，丟失了大量對地物識別有用的信息。與之相反，高光譜遙感技術將成像技術與光譜技術緊密結合在一起，在對目標的空間特徵成像的同時，在電磁波譜的紫外、可見光、近紅外光和短波紅外區域對每個空間像元經過色散形成及時甚至幾百個窄波段(小於IOnm)進行連續的光譜覆 蓋。其所獲取的圖像包含了豐富的空間、輻射和光譜三重信息。高光譜遙感技術的高光譜解析度、波段連續、譜像合一等特性有利於用光譜特徵來分析研究地物，從而實現地物的精細分類與識別。然而由於高光譜遙感數據也具有數據量大(每次處理數據一般都在千兆以上)以及數據率高(從每秒數兆到每秒致百兆)的特點，所以海量數據的高比例「非失真」壓縮技術以及高光譜遙感數據的高速化處理技術成為了遙感技術發展中迫切需要解決的問題。因此考慮將壓縮感知系統應用到高光譜遙感圖像的處理上，以解決以上問題。壓縮感知是近年來極為熱門的研究前沿，在若干應用領域中都引起矚目。其突破了傳統的奈奎斯特採樣定理信號採樣速率的要求，指出只要信號是可壓縮的或在某個變換域是稀疏的，就可以用一個與變換基不相關的觀測矩陣將變換所得的高維信號投影到一個低維空間上，然後通過求解一個優化問題從這些少量的投影中以高概率重構出原信號。在該理論框架下，採樣速率不決定於信號的帶寬，而決定於信息在信號中的結構和內容。在壓縮感知理論中，信號的採樣和壓縮同時以低速率進行，使傳感器的採樣和計算成本大大降低。「基於壓縮感知理論的圖像重構技術」Electronic SCI&Tech Marl5，2011一文以小波變換基為稀疏基，對二維圖像進行稀疏處理，再利用高斯隨機矩陣對稀疏處理後的圖像進行壓縮採樣，最後使用正交追蹤匹配算法恢復圖像。然而此文中所述的圖像重構技術只是處理普通的8比特圖像，且採用的高斯隨機矩陣硬體實現複雜。

發明內容
為克服現有的高光譜遙感圖像壓縮技術中存在的缺陷和不足，本發明提供了一種基於稀疏矩陣的高光譜遙感圖像的壓縮感知處理方法，該方法能夠提供一種大大提高光譜遙感圖像壓縮比的高效編碼，同時能夠從該編碼後的壓縮碼流中恢復出原始遙感圖像且使得恢復圖像的峰值信噪比有所提高。本發明的高光譜遙感圖像的壓縮感知處理方法採用以下技術解決方案一種基於稀疏矩陣的高光譜遙感圖像的壓縮感知處理方法，包括小波變換、數據類型轉、量化、稀疏矩陣壓縮編碼、正交追蹤匹配(Orthorgonal Matching Pursuit, OMP)解碼、數據類型反變換、反量化以及小波反變換八個步驟，其中小波變換、數據類型轉換、量化和稀疏矩陣壓縮編碼統稱為編碼過程，正交追蹤匹配(OMP)解碼、數據類型反變換、反量化和小波反變換統稱為解碼過程，該方法的步驟如下(I)小波變換將高光譜遙感圖像的數據進行小波變換，記錄其在小波域的係數作為量化的輸入數據；離散小波變換公式如下
權利要求
1.一種基於稀疏矩陣的高光譜遙感圖像的壓縮感知處理方法，包括小波變換、數據類型轉、量化、稀疏矩陣壓縮編碼、正交追蹤匹配解碼、數據類型反變換、反量化以及小波反變換八個步驟，其中小波變換、數據類型轉換、量化和稀疏矩陣壓縮編碼統稱為編碼過程，正交追蹤匹配解碼、數據類型反變換、反量化和小波反變換統稱為解碼過程，該方法的步驟如下(1)小波變換將高光譜遙感圖像的數據進行小波變換，記錄其在小波域的係數作為量化的輸入數據；離散小波變換公式如下m
全文摘要
一種基於稀疏矩陣的高光譜遙感圖像的壓縮感知處理方法，屬移動通信信源編碼領域。該方法包含小波變換、數據類型變換、量化、稀疏矩陣壓縮編碼、正交追蹤匹配(Orthorgonal Matching Pursuit,OMP)解碼、數據類型反變換、反量化以及小波反變換八個步驟，順序執行。本方法可處理兩類遙感圖像，第一類是未經幾何校正的遙感圖像；第二類是經過幾何校正後的遙感圖像。針對第二類圖像，在整個處理方法中添加了數據類型變換以及數據類型反變換。本發明方法對高光譜遙感圖像的處理具有圖像壓縮比例高，節約存儲計算空間以及圖像恢復質量好的優點。
文檔編號H04N7/30GK103024398SQ20131001428
公開日2013年4月3日 申請日期2013年1月15日 優先權日2013年1月15日
發明者馬丕明, 李丹丹, 熊海良 申請人:山東大學