基于自适应正则参数全变分算法的干涉高光谱图像分解方法技术
【技术实现步骤摘要】
本专利技术属于遥感数据处理的
，尤其是是一种基于自适应正则参数全变分算法的干涉高光谱图像分解方法。
技术介绍
干涉高光谱成像技术在航空遥感领域中是很有价值的实用技术，通过这种技术可以获得观测目标的光谱信息与空间信息，该技术目前在气象、军事、环境监测和地质等领域都有较为广泛的实际应用。干涉高光谱图像数据是由基于推扫式傅里叶变换型成像原理的大孔径干涉光谱仪(LASIS，Large Aperture Static Imaging Spectrometer)通过卫星推扫产生的三维图像数据，分辨率极高，其海量的数据对数据存储与有限带宽信道上的传输造成了一定程度的困难，所以针对其数据本身特点设计出适用于干涉高光谱数据的高效数据压缩方法势在必行。近几年来，干涉高光谱遥感图像的压缩方法一直被深入研究，干涉高光谱图像特殊的成像原理，使其帧内存在着大幅值且位置固定的干涉条纹，而帧间存在着水平移位的背景图像，这种特点会严重的破坏原始图像的固有结构，从而导致新兴的压缩感知理论与传统压缩算法的直接应用无法得到理想的效果。现有算法的缺点：针对干涉高光谱数据采用的对应列抽取方式尝试改变干涉高光谱图像的数据结构，但干涉条纹始终无法消除；通过更改小波变换顺序消除干涉条纹在高频域影响的思想在2014年被提出，但在低频域的干涉条纹却始终无法消除。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供针对干涉高光谱数据成像原理的固有特征及自身特点，利用改进的自适应正则参数全变分算法对干涉高光谱数据进行图像分解，从而为新兴的压缩感知理论在干涉高光谱图像中的进一步应用的一种基于自适应正则参...
【技术保护点】
一种基于自适应正则参数全变分算法的干涉高光谱图像分解方法，其特征在于：包括以下步骤：⑴读取一帧待分解的干涉高光谱图像X，设置正则参数取值的最小值和最大值；⑵设置XB表示背景层，设置XI表示干涉条纹层，二者与X的关系是：XI＝X‑XB；⑶采用遗传算法来寻找最优正则化参数Opt_β；⑷利用寻求最优背景层XB，然后根据XI＝X‑XB得到干涉条纹层；⑸完成图像分解。
【技术特征摘要】
1.一种基于自适应正则参数全变分算法的干涉高光谱图像分解方法，其特征在于：包括以下步骤：⑴读取一帧待分解的干涉高光谱图像X，设置正则参数取值的最小值和最大值；⑵设置XB表示背景层，设置XI表示干涉条纹层，二者与X的关系是：XI＝X-XB；⑶采用遗传算法来寻找最优正则化参数Opt_β；⑷利用寻求最优背景层XB，然后根据XI＝X-XB得到干涉条纹层；⑸完成图像分解。2.根据权利要求1所述的一种基于自适应正则参数全变分算法的干涉高光谱图像分解方法，其特征在于：步骤⑶所述Opt_β＝GA(β,FitFun(β))，GA为遗传算法，FitFun为遗传算法的适应度函数。3.根据权利要求2所述的一种基于自适应正则参数全变分算法的干涉高光谱图像分解方法，其特征在于：所述GA的适应度函数FitFun的计算包括以下步骤：⑴设置迭代次数ini_num，且使XB＝X；⑵进行第一次迭代，计算 X B = X B - η ∂ { ∫ x , y ∈ X ( ∂ ( X ( x , y ) - ...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。