基于压缩感知的全色锐化方法

摘要

本发明公开了一种基于压缩感知的全色锐化方法，定义一个具有第一分辨率的多光谱图像Y和一个具有第二分辨率的全色图像X0，其中第二分辨率大于第一分辨率，利用Y和X0作为输入生成高分辨率的多光谱图像X，其方法包括：(1)、字典学；b)由低分辨率的多光谱图像估计稀疏系数；c)高分辨率的多光谱图像重建。本发明是一种新的先进的全色锐化方法。与其它方法相比，它的字典由数据本身“学”而来，即适应数据本身，因而具有比现有方法更好的性能。该方法利用压缩感知理论原理解决全色锐化的问题。

主权项

一种基于压缩感知的全色锐化方法，其特征在于，定义一个具有第一分辨率的多光谱图像Y和一个具有第二分辨率的全色图像X0，其中第二分辨率大于第一分辨率，利用Y和X0作为输入生成高分辨率的多光谱图像X，其方法包括：(1)、字典学习：对全色图像X0进行低通滤波和降采样，获得全色图像Y0，进一步对全色图像Y0进行图像分割及向量化，全色图像Y0被分割成小的，可能但不一定部分重叠的，补丁y0，所有的补丁y0在减去平均灰度，归一化，矢量化之后构成的矩阵Di；对全色图像X0进行图像分割及向量化，每个高分辨率的补丁x0对应一个可能但不一定部分重叠低分辨率的补丁y0，所有的高分辨率补丁x0构成的矩阵Dh；对多光谱图像Y进行图像分割及向量化，多光谱图像Y被分割成小的，可能但不一定部分重叠的补丁y；(2)、估计稀疏系数：对于每个多光谱图像补丁y，稀疏系数向量可以通过L1‑L2最小化来估计：$\hat{\alpha }=\arg \underset{\alpha }{\min }\{\lambda {\left|\right|\alpha \left|\right|}_1+\frac{1}{2}{\left|\right|\tilde{D}\alpha -\tilde{y}\left|\right|}_2^2\}$其中，λ是L1‑L2最小拉格朗日乘数；P是一个元素为0和1的对角矩阵，其中的1标记与当前图像补丁与重叠的像素；β是加权因子；w是重叠像素已经被重构的高分辨率的像素值；(3)、高分辨率的多光谱图像重建。高分辨率的多光谱图像补丁有以下公式重建：$\hat{x}=D_h\hat{\alpha }$所有图像补丁的平铺给出最终全色锐化的图像