基于參考影像梯度信息的壓縮感知遙感圖像重建算法
【專利摘要】本發(fā)明公開了一種基于參考影像梯度信息的壓縮感知遙感圖像重建算法,包括對(duì)預(yù)先配置的目標(biāo)影像的稀疏系數(shù)設(shè)置初始值,并設(shè)置目標(biāo)影像的稀疏約束;計(jì)算預(yù)先配置的與目標(biāo)影像相匹配的參考影像的稀疏系數(shù),并設(shè)置參考影像的稀疏約束;根據(jù)目標(biāo)影像的稀疏系數(shù)和稀疏約束以及參考影像的稀疏系數(shù)和稀疏約束計(jì)算目標(biāo)影像和參考影像的梯度信息;根據(jù)參考影像的梯度信息,設(shè)置與參考影像的梯度信息相垂直的單位向量;根據(jù)上述步驟,構(gòu)建約束項(xiàng),將約束項(xiàng)加入到目標(biāo)影像中進(jìn)行重建;基于預(yù)先配置的優(yōu)化方法,對(duì)目標(biāo)影像的預(yù)先配置的信號(hào)進(jìn)重建。本發(fā)明的有益效果為:將參考影像的梯度信息作為約束信息,加入目標(biāo)影像重建過(guò)程,提高了影像的重建精度。
【專利說(shuō)明】基于參考影像梯度信息的壓縮感知遙感圖像重建算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于參考影像梯度信息的壓縮感知遙感圖像重建算法。
【背景技術(shù)】
[0002] 在遙感影像應(yīng)用中,同一區(qū)域通常包含多源、多時(shí)相的影像,這些影像之間的光譜 雖然不同,但是其紋理方向存在很大的相似性,因此需要構(gòu)造一個(gè)懲罰約束項(xiàng),用參考影像 的梯度信息來(lái)約束目標(biāo)影像的重建過(guò)程。
[0003] 針對(duì)相關(guān)技術(shù)中的問(wèn)題,目前尚未提出有效的解決方案。
【發(fā)明內(nèi)容】
[0004] 本發(fā)明的目的是提供一種基于參考影像梯度信息的壓縮感知遙感圖像重建算法, 將參考影像的梯度信息作為約束信息,加入目標(biāo)影像的重建過(guò)程,提高影像的重建精度。
[0005] 本發(fā)明的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn): 一種基于參考影像梯度信息的壓縮感知遙感圖像重建算法,包括以下步驟: 步驟1 :對(duì)預(yù)先配置的目標(biāo)影像的稀疏系數(shù)設(shè)置初始值,并設(shè)置目標(biāo)影像的稀疏約束; 計(jì)算預(yù)先配置的與目標(biāo)影像相匹配的參考影像的稀疏系數(shù),并設(shè)置參考影像的稀疏約束; 步驟2 :根據(jù)目標(biāo)影像的稀疏系數(shù)和稀疏約束以及參考影像的稀疏系數(shù)和稀疏約束計(jì) 算所述目標(biāo)影像和參考影像的梯度息; 步驟3 :根據(jù)所述參考影像的梯度信息,設(shè)置一與所述參考影像的梯度信息相垂直的 單位向量; 步驟4 :根據(jù)步驟1至步驟3,構(gòu)建與目標(biāo)影像相匹配的約束項(xiàng),將約束項(xiàng)加入到目標(biāo)影 像中進(jìn)行重建; 步驟5 :基于預(yù)先配置的優(yōu)化方法,對(duì)目標(biāo)影像的預(yù)先配置的信號(hào)進(jìn)重建。
[0006] 進(jìn)一步的,在步驟5中,預(yù)先配置的優(yōu)化方法包括共軛梯度Con junction Gradient優(yōu)化方法和分裂布雷格曼Bregman Split優(yōu)化方法。
[0007] 本發(fā)明的有益效果為:將參考影像的梯度信息作為約束信息,加入目標(biāo)影像的重 建過(guò)程,有效的提高了影像的重建精度。
【專利附圖】
【附圖說(shuō)明】
[0008] 為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案,下面將對(duì)實(shí)施例中所 需要使用的附圖作簡(jiǎn)單地介紹,顯而易見地,下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施 例,對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講,在不付出創(chuàng)造性勞動(dòng)的前提下,還可以根據(jù)這些附圖獲 得其他的附圖。
[0009] 圖1是根據(jù)本發(fā)明實(shí)施例所述的一種基于參考影像梯度信息的壓縮感知遙感圖 像重建算法的流程圖。
【具體實(shí)施方式】
[0010] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖,對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述,顯然,所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例,而不是全部的實(shí)施例?;?本發(fā)明中的實(shí)施例,本領(lǐng)域普通技術(shù)人員所獲得的所有其他實(shí)施例,都屬于本發(fā)明保護(hù)的 范圍。
[0011] 如圖1所示,根據(jù)本發(fā)明實(shí)施例所述的一種基于參考影像梯度信息的壓縮感知遙 感圖像重建算法,包括以下步驟: 步驟1 :對(duì)預(yù)先配置的目標(biāo)影像的稀疏系數(shù)設(shè)置初始值,并設(shè)置目標(biāo)影像的稀疏約束; 計(jì)算預(yù)先配置的與目標(biāo)影像相匹配的參考影像的稀疏系數(shù),并設(shè)置參考影像的稀疏約束; 步驟2 :根據(jù)目標(biāo)影像的稀疏系數(shù)和稀疏約束以及參考影像的稀疏系數(shù)和稀疏約束計(jì) 算所述目標(biāo)影像和參考影像的梯度息; 步驟3 :根據(jù)所述參考影像的梯度信息,設(shè)置一與所述參考影像的梯度信息相垂直的 單位向量; 步驟4 :根據(jù)步驟1至步驟3,構(gòu)建與目標(biāo)影像相匹配的約束項(xiàng),將約束項(xiàng)加入到目標(biāo)影 像中進(jìn)行重建; 步驟5 :基于預(yù)先配置的優(yōu)化方法,對(duì)目標(biāo)影像的預(yù)先配置的信號(hào)進(jìn)重建。
[0012] 在步驟5中,預(yù)先配置的優(yōu)化方法包括共軛梯度Conjunction Gradient優(yōu)化方法 和分裂布雷格曼Bregman Split優(yōu)化方法。
[0013] 具體應(yīng)用時(shí), 1) 給定目標(biāo)影像稀疏系數(shù)的初始值,設(shè)定稀疏約束; 2) 計(jì)算參考影像的梯度信息Yv ;
【權(quán)利要求】
1. 一種基于參考影像梯度信息的壓縮感知遙感圖像重建算法,其特征在于,包括w下 步驟: 步驟1;對(duì)預(yù)先配置的目標(biāo)影像的稀疏系數(shù)設(shè)置初始值,并設(shè)置目標(biāo)影像的稀疏約束; 計(jì)算預(yù)先配置的與目標(biāo)影像相匹配的參考影像的稀疏系數(shù),并設(shè)置參考影像的稀疏約束; 步驟2 ;根據(jù)目標(biāo)影像的稀疏系數(shù)和稀疏約束W及參考影像的稀疏系數(shù)和稀疏約束計(jì) 算所述目標(biāo)影像和參考影像的梯度信息; 步驟3 ;根據(jù)所述參考影像的梯度信息,設(shè)置一與所述參考影像的梯度信息相垂直的 單位向量; 步驟4 ;根據(jù)步驟1至步驟3,構(gòu)建與目標(biāo)影像相匹配的約束項(xiàng),將約束項(xiàng)加入到目標(biāo)影 像中進(jìn)行重建; 步驟5 ;基于預(yù)先配置的優(yōu)化方法,對(duì)目標(biāo)影像的預(yù)先配置的信號(hào)進(jìn)重建。
2. 根據(jù)權(quán)利要求1所述的基于參考影像梯度信息的壓縮感知遙感圖像重建算法,其特 征在于,在步驟5中,預(yù)先配置的優(yōu)化方法包括共輛梯度Conjunction Gradient優(yōu)化方法 和分裂布雷格曼化egman Split優(yōu)化方法。
【文檔編號(hào)】G06T5/50GK104463823SQ201410852665
【公開日】2015年3月25日 申請(qǐng)日期:2014年12月31日 優(yōu)先權(quán)日:2014年12月31日
【發(fā)明者】劉鵬, 王力哲, 樊聰 申請(qǐng)人:中國(guó)科學(xué)院遙感與數(shù)字地球研究所