CN115482301A - 一种用于空间外差光谱仪的空谱联合图像压缩感知方法 - Google Patents
一种用于空间外差光谱仪的空谱联合图像压缩感知方法 Download PDFInfo
- Publication number
- CN115482301A CN115482301A CN202211114089.5A CN202211114089A CN115482301A CN 115482301 A CN115482301 A CN 115482301A CN 202211114089 A CN202211114089 A CN 202211114089A CN 115482301 A CN115482301 A CN 115482301A
- Authority
- CN
- China
- Prior art keywords
- wave band
- reconstruction
- reference wave
- information
- edge information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000006835 compression Effects 0.000 title claims abstract description 11
- 238000007906 compression Methods 0.000 title claims abstract description 11
- 238000001228 spectrum Methods 0.000 claims abstract description 19
- 238000005070 sampling Methods 0.000 claims abstract description 18
- 238000003384 imaging method Methods 0.000 claims abstract description 8
- 230000003287 optical effect Effects 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 9
- 230000003595 spectral effect Effects 0.000 description 9
- 238000004611 spectroscopical analysis Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000000701 chemical imaging Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 101100070542 Podospora anserina het-s gene Proteins 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Multimedia (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明提供的是一种用于空间外差光谱仪的空谱联合图像压缩感知方法，属于光学遥感技术领域。其特征是：1计算空间外差光谱仪所得图谱数据立方体各波段间的谱间相关性，分为若干数目的组；2取组内与其他波段相关性最高的波段为参考波段，其余均为非参考波段；3由于空间外差光谱仪的成像特性，对处于零光程差附近干涉条纹的区域进行标记；4对于参考波段的重构采用高采样率进行精确重构，而后对参考波段进行边缘信息的提取，作为组内非参考波段重构的先验信息；5对于非参考波段的重构，结合边缘信息与干涉条纹信息，完成图谱数据立方体的动态重构。本发明将图谱数据立方体谱间相关性强的分为一组，提高了重构效率；结合干涉条纹信息与边缘信息，提高了重构精确度，减少了计算量，提高了压缩比。
Description
(一)技术领域
本发明涉及的是一种用于空间外差光谱仪的空谱联合图像压缩感知方法，属于光学遥感技术领域。
(二)背景技术
空间外差光谱技术结合空间外差光谱和成像技术的优势，通过光学成像技术可以直接获得目标物体的二维影像信息，通过光谱技术则可以得到目标物体的光谱曲线分布，空间外差成像光谱技术把这两种技术相结合，拥有了多维数据信息获取的能力。空间外差成像光谱技术由于其高通量、高光谱分辨率等优势，已广泛应用于大气监测、目标识别、国家领土监测等领域。
随着空间外差成像光谱技术的日益发展，成像的质量越来越高，光谱分辨率不断提高，光谱信息也越来越丰富。这导致空间外差成像光谱的数据量越来越大，给数据的传输、存储带来巨大困难。压缩感知技术可以很好的解决这个问题，压缩感知将采样与压缩相结合，以很低的数据量即可精确恢复原始信号，可以很好的解决数据的传输与存储问题。
目前关于图谱数据立方体的压缩感知方法已有很多，基于参考图像的重建方法为先将高光谱图像分为若干组，根据组内参考图像得到非参考图像的预测值从而进行整个高光谱图像的重建。基于张量的高光谱图像重建方法采样矩阵为特殊的三维结构，可以保持高光谱图像原有的空间结构，其重建算法复杂度低，但重构精度有限。现有高光谱图像的重构精度低，重建速度慢，不能实时的对数据进行处理，且针对空间外差光谱仪图谱数据立方体的图像特性，干涉条纹部分没有很好的重构效果，图谱数据立方体的空间特性和光谱特性利用的不够充分，导致重构性能无法进一步提高。
(三)发明内容
本发明的目的在于针对现有空间外差光谱仪图谱数据立方体空间和光谱特性利用不够充分，提供一种用于空间外差光谱仪的空谱联合图像压缩感知方法。
本发明的目的是这样实现的：
1)计算空间外差光谱仪所得图谱数据立方体各波段间的谱间相关性，分为若干数目的组；
2)取组内与其他波段相关性最高的波段为参考波段，其余均为非参考波段；
3)由于空间外差光谱仪的成像特性，对处于零光程差附近干涉条纹的区域进行标记，采用高采样率精确重构干涉条纹区域图像；
4)对于参考波段的重构采用高采样率进行精确重构，而后对参考波段进行边缘信息的提取，作为组内非参考波段重构的先验信息；
5)对于非参考波段的重构，结合边缘信息与干涉条纹信息，对标记的区域进行高采样率重构，其余区域采用低采样率重构，从而完成图谱数据立方体的动态重构。
对比现有技术，本发明的优势在于：
1.本发明采用边缘检测的方法，图像纹理复杂的区域可能包含更丰富的信息，对纹理复杂的区域采用较高的采样率，动态重构图谱数据立方体，减少了计算量，提高了重构效率。
2.结合空间外差光谱仪图谱数据立方体的图像特点，干涉条纹区域含有丰富的光谱信息，标记出有干涉条纹的区域，可以精确恢复关键信息。
(四)附图说明
图1为一种用于空间外差光谱仪的空谱联合图像压缩感知方法流程图。
图2为标记零光程差附近干涉条纹区域。
图3(a)为参考波段，图3(b)为提取边缘区域。
图4(a)为重构的一波段图像，图4(b)为重构图像目标的光谱图。
(五)具体实施方式
下面结合具体的实施例来进一步阐述本发明。
本发明提出一种用于空间外差光谱仪的空谱联合图像压缩感知方法如图1所示。具体步骤如下：
1.计算空间外差光谱仪所得图谱数据立方体各波段间的谱间相关性，采用互相关函数计算波段间的谱间相关性，通过设置一个阈值m先将图谱数据立方体分为相关性高于m和相关性低于m的两大组波段图像；
2.继续设置阈值，采用上述相同方法将图谱数据立方体分为若干较小的s组；
3.将组内与其他波段相关性最高的设置为参考波段，组内其他波段图像为非参考波段；
4.由于空间外差光谱仪的成像特性，对处于零光程差附近干涉条纹区域的图像进行标记，采用高采样率精确重构干涉条纹区域图像；
5.对于参考波段的重构采用高采样率进行精确重构，而后对参考波段进行边缘信息的提取，作为组内非参考波段重构的先验信息；
6.对于非参考波段的重构，结合边缘信息与干涉条纹信息，对处于干涉条纹区域的图像且边缘信息较多的图像块采用高采样率重构，无干涉条纹的区域且边缘信息较少的图像块则采用较低的采样率重构，以此完成图谱数据立方体的动态重构。
重构后的图谱数据立方体采用峰值信噪比PSNR作为衡量重构的图像质量的评价指标，取重构前后相同目标点的光谱对比作为光谱的评价指标。
谱间相关性代表各波段图像相同空间位置的相互关联程度：
式中hi(x，y)和hj(x，y)为光谱带i和光谱带j图像的灰度值函数，ua和ub分别为图像灰度的平均值。
采用峰值信噪比作为衡量重构的波段图像质量指标，峰值信噪比PSNR的定义为：
其中max(X1)为原图像X1的峰值，
为原图像X1和重构图像
的均方误差。
本发明的技术方案不限于上述具体实施例的限制，凡是对本发明的技术方案进行修改或者等同替换，均落入本发明的保护范围之内。本发明未详细描述的技术部分均为公知技术。
Claims (3)
1.一种用于空间外差光谱仪的空谱联合图像压缩感知方法，其特征是：
1)计算空间外差光谱仪所得图谱数据立方体各波段间的谱间相关性，分为若干数目的组；
2)取组内与其他波段相关性最高的波段为参考波段，其余均为非参考波段；
3)由于空间外差光谱仪的成像特性，对处于零光程差附近干涉条纹的区域进行标记，采用高采样率精确重构干涉条纹区域图像；
4)对于参考波段的重构采用高采样率进行精确重构，而后对参考波段进行边缘信息的提取，作为组内非参考波段重构的先验信息；
5)对于非参考波段的重构，结合边缘信息与干涉条纹信息，对标记的区域进行高采样率重构，其余区域采用低采样率重构，从而完成图谱数据立方体的动态重构。
2.根据权利要求1所述的边缘信息提取算法，其特征是：对于已重构的参考波段边缘信息的提取，采用sobel算子进行边缘信息的提取，对边缘信息丰富的区域进行标记作为先验信息。
3.根据权利要求1所述的非参考波段的重构，其特征是：采用分块压缩感知算法，利用参考波段与非参考波段的残差值，对标记图像块残差值高采样率重构，无标记图像块残差值低采样率重构，重构后的残差值图像块再与相应的参考波段图像块合并，得到重构后的非参考波段。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211114089.5A CN115482301A (zh) | 2022-09-14 | 2022-09-14 | 一种用于空间外差光谱仪的空谱联合图像压缩感知方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211114089.5A CN115482301A (zh) | 2022-09-14 | 2022-09-14 | 一种用于空间外差光谱仪的空谱联合图像压缩感知方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115482301A true CN115482301A (zh) | 2022-12-16 |
Family
ID=84424174
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211114089.5A Pending CN115482301A (zh) | 2022-09-14 | 2022-09-14 | 一种用于空间外差光谱仪的空谱联合图像压缩感知方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115482301A (zh) |
-
2022
- 2022-09-14 CN CN202211114089.5A patent/CN115482301A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109636742B (zh) | 基于对抗生成网络的sar图像和可见光图像的模式转换方法 | |
| Pan | Cloud removal for remote sensing imagery via spatial attention generative adversarial network | |
| CN110363215B (zh) | 基于生成式对抗网络的sar图像转化为光学图像的方法 | |
| CN107944368B (zh) | 一种基于时序遥感图像的水体提取方法 | |
| CN110008948B (zh) | 基于变分自编码网络的高光谱图像目标检测方法 | |
| CN110532953B (zh) | 基于纹理特征辅助的sar影像冰川识别方法 | |
| CN112085781B (zh) | 一种基于光谱重构技术提取冬小麦种植面积的方法 | |
| CN111008664B (zh) | 一种基于空谱联合特征的高光谱海冰检测方法 | |
| CN110598613B (zh) | 一种高速公路团雾监测方法 | |
| CN111781146A (zh) | 利用高分辨率卫星光学影像的波浪参数反演方法 | |
| CN114440758B (zh) | 一种区域尺度上滑坡对降雨响应的分析方法 | |
| CN110458766B (zh) | 一种快照式高光谱图像去马赛克方法 | |
| CN116758049A (zh) | 一种基于主被动卫星遥感的城市洪涝立体监测方法 | |
| CN112184785B (zh) | 基于mcd度量和vtm的多模态遥感图像配准方法 | |
| CN115482301A (zh) | 一种用于空间外差光谱仪的空谱联合图像压缩感知方法 | |
| CN115410090A (zh) | 基于图像分割的空间外差光谱仪图像压缩感知重构方法 | |
| CN117173556A (zh) | 一种基于孪生神经网络的小样本sar目标识别方法 | |
| CN113780232B (zh) | 一种城市湿地动态监测方法 | |
| CN106101732A (zh) | 快速压缩高光谱信号的矢量量化方案 | |
| CN112819909B (zh) | 基于低分辨率先验光谱图像区域分割的自适应编码方法 | |
| Ghosh et al. | Fractal-based dimensionality reduction of hyperspectral images | |
| García-Sobrino et al. | Competitive segmentation performance on near-lossless and lossy compressed remote sensing images | |
| Orhaug et al. | Information extraction from images | |
| CN108846361B (zh) | 一种基于谱带特异性学习的高光谱图像分类方法 | |
| He et al. | Fast and Accurate Sea-Land Segmentation Based on Improved SeNet and Coastline Database for Large-Scale Image |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |