本發(fā)明屬于壓縮感知技術(shù)領(lǐng)域，具體提供了一種定向遙感的數(shù)據(jù)采集和重構(gòu)方法。

背景技術(shù)：

遙感數(shù)據(jù)的獲取一般分為星上和地面兩個階段。在衛(wèi)星上需要采集、壓縮和傳輸數(shù)據(jù)，在地面需要接收、儲存、解壓和使用數(shù)據(jù)。遙感技術(shù)的發(fā)展使覆蓋全球海量遙感數(shù)據(jù)的獲取成為現(xiàn)實(shí)。如能實(shí)現(xiàn)采集壓縮一體化的信號數(shù)據(jù)采集處理格局，就可采集、傳輸、存儲、處理和管理很少的數(shù)據(jù)。從而擺脫傳統(tǒng)技術(shù)的窘境，節(jié)約巨大的人力物力資源。壓縮感知技術(shù)的出現(xiàn)為改變傳統(tǒng)的遙感數(shù)據(jù)獲取模式提供了可能?；诰€陣推掃模式的定向遙感無法充分利用已有的先驗信息，因此重構(gòu)效果并不好。

當(dāng)前基于壓縮感知的遙感研究多是基于一維信號。即使研究圖像這種二維信號也多是轉(zhuǎn)化為一維信號后再作壓縮感知研究。在壓縮感知的各種重構(gòu)算法中，只有最小全變分法(Total Variation，TV)在目標(biāo)函數(shù)中利用了圖像像素間的灰度梯度信息，但在約束函數(shù)中依然把二維信號一維化。灰度梯度就是遙感影像的結(jié)構(gòu)之一，是很好的先驗信息，如充分利用可有助于改善提高信號的重構(gòu)精度和效率。但把二維圖像一維化破壞了這種結(jié)構(gòu)先驗信息。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明為了解決定向遙感圖像重構(gòu)效果差的問題，特提供了一種定向遙感的數(shù)據(jù)采集和重構(gòu)方法。

本發(fā)明是通過下述方案予以實(shí)現(xiàn)的：一種定向遙感的數(shù)據(jù)采集和重構(gòu)方法，所述方法的過程為：

步驟一：生成子塊矩陣Φ，Φ∈R^M×N，M＜N，M和N都是自然數(shù)；

步驟二：通過子塊矩陣逐列采集圖像X∈R^N×L的測量數(shù)據(jù)Y＝ΦX，Y∈R^M×L，L是自然數(shù)，即圖像X的列數(shù)；

步驟三：將測量數(shù)據(jù)Y逐列首尾連接成y，y∈R^ML，ML表示M與L的積，并且生成對應(yīng)子塊矩陣Φ的相應(yīng)的分塊對角矩陣Φ_DIG，Φ_DIG∈R^LM×LN，Φ_DIG對角線上的子塊矩陣Φ總計L個；

步驟四：通過傳統(tǒng)的信號重構(gòu)算法求解min||x||_TV s.t.y＝Φ_DIGx，重構(gòu)得到x，x∈R^NL；

步驟五：將一維向量x按L個元素一列，從頭至尾依次提取排列成二維重構(gòu)圖像X_R，X_R∈R^N×L。

本發(fā)明根據(jù)遙感影像推掃式采集數(shù)據(jù)的特點(diǎn)和保留遙感影像二維結(jié)構(gòu)先驗信息的需要構(gòu)建了基于分塊對角矩陣的新型二維壓縮感知模型。在不改變測量數(shù)據(jù)獲取方式和硬件設(shè)計的前提下，提高了信號重構(gòu)能力。本發(fā)明所述的方法通過測量矩陣和測量數(shù)據(jù)的后處理，改善了信號重構(gòu)效果，在壓縮感知的圖像處理、視頻分析、雷達(dá)遙感、通信編碼、數(shù)字音頻等領(lǐng)域有著廣泛的應(yīng)用前景。

附圖說明

圖1是具體實(shí)施方式一所述的一種定向遙感的數(shù)據(jù)采集和重構(gòu)方法的流程圖；圖2是應(yīng)用具體實(shí)施方式采用傳統(tǒng)子塊矩陣和本發(fā)明分塊對角矩陣分別對Boats，Cameraman，Lena和Mulargia lake四幅圖重構(gòu)的效果圖；圖3是應(yīng)用具體實(shí)施方式采用子塊矩陣和分塊對角矩陣分別對Boats，Cameraman，Lena和Mulargia lake四幅圖重構(gòu)所得效果圖相對真實(shí)原始圖像的信噪比變化值。

具體實(shí)施方式

具體實(shí)施方式一：根據(jù)說明書附圖1具體說明本實(shí)施方式。一種定向遙感的數(shù)據(jù)采集和重構(gòu)方法，所述方法的過程為：

步驟一：生成子塊矩陣Φ，Φ∈R^M×N，M＜N，M和N都是自然數(shù)；

步驟二：通過子塊矩陣逐列采集圖像X∈R^N×L的測量數(shù)據(jù)Y＝ΦX，Y∈R^M×L，L是自然數(shù)，即圖像X的列數(shù)；

步驟三：將測量數(shù)據(jù)Y逐列首尾連接成y，y∈R^ML，ML表示M與L的積，并且生成對應(yīng)子塊矩陣Φ的相應(yīng)的分塊對角矩陣Φ_DIG，Φ_DIG∈R^LM×LN，Φ_DIG對角線上的子塊矩陣Φ總計L個；

步驟四：通過傳統(tǒng)的信號重構(gòu)算法求解min||x||_TV s.t.y＝Φ_DIGx，重構(gòu)得到x，x∈R^NL；

步驟五：將一維向量x按L個元素一列，從頭至尾依次提取排列成二維重構(gòu)圖像X_R，X_R∈R^N×L。

具體實(shí)施方式二：本具體實(shí)施方式是對具體實(shí)施方式一所述的一種定向遙感的數(shù)據(jù)采集和重構(gòu)方法的進(jìn)一步說明，步驟二中所述的逐列采集圖像的測量數(shù)據(jù)是基于衛(wèi)星，飛機(jī)或掃描儀這類線陣推掃數(shù)據(jù)采集模式。

具體實(shí)施方式三：本具體實(shí)施方式是對具體實(shí)施方式一所述的一種定向遙感的數(shù)據(jù)采集和重構(gòu)方法的進(jìn)一步說明，步驟三設(shè)定分塊對角矩陣，除對角線上的L個子塊矩陣外，其他所有的矩陣元素都為0。

具體實(shí)施方式四：下面結(jié)合圖1—圖3具體說明本實(shí)施方式。本實(shí)施方式是采用子塊矩陣和分塊對角矩陣分別對Boats，Cameraman，Lena和Mulargia lake四幅圖重構(gòu)，比較其重構(gòu)結(jié)果的優(yōu)劣和信噪比變化。子塊矩陣對圖像的重構(gòu)是基于全變分算法逐列重構(gòu)，分塊對角矩陣的重構(gòu)是基于全變分算法的一次全部重構(gòu)。

實(shí)驗結(jié)果如圖2-圖3所示。由圖2可見，右側(cè)由分塊對角矩陣重構(gòu)的圖像明顯更清晰效果更好，左側(cè)由子塊矩陣重構(gòu)的圖像明顯模糊效果更差；由圖3可見，對于四幅圖像，分塊對角矩陣比子塊矩陣的信噪比約都提高8dB。