發(fā)布時(shí)間：2021-09-01 13:51

　　針對(duì)高光譜圖像鄰近波段相關(guān)性強(qiáng)的特點(diǎn),結(jié)合粒子群優(yōu)化算法的快速尋優(yōu)能力,提出一種基于譜間相關(guān)性的高光譜圖像稀疏分解算法。將高光譜圖像分組為參考波段圖像和普通波段圖像,參考波段圖像采用粒子群尋優(yōu)找到最優(yōu)原子,實(shí)現(xiàn)稀疏分解。普通波段圖像的最優(yōu)原子由兩部分構(gòu)成,一部分原子從參考波段圖像的最優(yōu)原子繼承而來,繼承個(gè)數(shù)由普通波段圖像與參考波段圖像的譜間相關(guān)性確定,其余原子則由粒子群搜索得到。對(duì)高光譜數(shù)據(jù)集進(jìn)行稀疏分解,驗(yàn)證算法的分解效率,結(jié)果表明,在重構(gòu)圖像精度相當(dāng)?shù)臈l件下,稀疏分解速度比正交匹配追蹤算法快約18倍。 

【文章來源】：紅外技術(shù). 2020,42(10)北大核心CSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

波段分組示意圖Fig.1Bandgroupingdiagram970

旁?蛹??K對(duì)XGn,j,bl進(jìn)行稀疏表示得到的重構(gòu)n,,GjblX：TTn,,n,,n,,GjblGjblKKKKGjblXXX(7)2實(shí)驗(yàn)結(jié)果與分析2.1高光譜數(shù)據(jù)集選擇4組高光譜圖像評(píng)估稀疏分解算法的性能，分別是來自AVIRIS采集的Cuprite1、Cuprite2、IndianPines以及ROSIS采集的PaviaUniversity。原始數(shù)據(jù)集中的水汽波段和噪聲波段均已移除，且根據(jù)分塊大小B＝16對(duì)圖像進(jìn)行了空間剪裁，4組數(shù)據(jù)的基本情況見表1。高光譜數(shù)據(jù)第50個(gè)波段的原始圖像如圖3所示。表1四組高光譜數(shù)據(jù)集的基本情況Table1FourhyperspectraldatasetsDatasetOriginalbandsOriginalimagesizeAvailablebandsCroppedimagesizeCuprite1224614×512188256×256Cuprite2224614×512188256×256IndianPines220145×145200128×128PaviaUniversity115610×340103256×2562.2實(shí)驗(yàn)參數(shù)設(shè)置不論是利用OMP算法、PSO_OMP算法還是算法MPSO_OMP對(duì)高光譜圖像進(jìn)行稀疏分解，均需設(shè)定最大分解次數(shù)，該參數(shù)對(duì)算法的時(shí)間復(fù)雜度及重構(gòu)圖像的精度具有重要影響。所提算法MPSO_OMP還需設(shè)定的參數(shù)是粒子群優(yōu)化中的最大進(jìn)化代數(shù)和種群大小，以及繼承系數(shù)。分組大小Gs的選擇會(huì)影響算法性能，通常來說，Gs越小，組內(nèi)的譜間相關(guān)性越強(qiáng)，非參考波段圖像塊能夠從參考波段圖像塊繼承到更多的最優(yōu)原子，稀疏分解效率越高，但此時(shí)分組個(gè)數(shù)也較多，時(shí)間復(fù)雜度也會(huì)增加。當(dāng)高光譜成像儀的光譜分辨率較高時(shí)，相對(duì)較大的分組也能保證組內(nèi)圖像的強(qiáng)相關(guān)性，重構(gòu)精度也能得到保證。根據(jù)實(shí)驗(yàn)場(chǎng)景對(duì)應(yīng)的傳感器的光譜分辨率，同時(shí)考慮到計(jì)算復(fù)雜度，?

鸞ピ齟蟮墓?討校?蛄Ｗ尤核惴?具有隨機(jī)性，重構(gòu)PSNR會(huì)出現(xiàn)不同程度的振蕩。整體來說，重構(gòu)PSNR的下降速度較慢，從繼承系數(shù)為0增加至繼承系數(shù)為1時(shí)，重構(gòu)PSNR的下降值保持在1dB左右，說明算法仍能保證重構(gòu)精度。從計(jì)算復(fù)雜度來看，MPSO_OMP算法的計(jì)算復(fù)雜度主要由繼承原子的選擇過程與其他原子的粒子群搜索過程決定。與繼承原子的選擇過程相比，粒子群搜索過程更耗時(shí)。因此，隨著繼承系數(shù)的增大，繼承原子數(shù)不斷增多，粒子群搜索的原子數(shù)不斷降低，則算法的計(jì)算復(fù)雜度會(huì)逐漸降低，如圖6所示。綜合考慮重構(gòu)性能和重構(gòu)計(jì)算復(fù)雜度，當(dāng)繼承系數(shù)選擇為0.5時(shí)，重構(gòu)PSNR的下降幅度保證在0.4dB以內(nèi)，而運(yùn)行速度卻能提高1.3倍左右，故將MPSO_OMP算法中的繼承系數(shù)確定為＝0.5。2.3實(shí)驗(yàn)結(jié)果分析利用OMP算法、PSO_OMP算法和MPSO_OMP算法對(duì)4組高光譜圖像進(jìn)行稀疏分解，分析算法的性能。OMP算法是指對(duì)所有波段圖像采用OMP進(jìn)行稀疏分解，最大分解次數(shù)K＝50。PSO_OMP算法是指對(duì)所有波段圖像采用PSO_OMP算法進(jìn)行稀疏分解，最大分解次數(shù)K＝[100,100,150,150]，最大進(jìn)化代數(shù)Tmax＝5，種群大小Pop＝10。MPSO_OMP算法是指對(duì)高光譜圖像進(jìn)行分組后，參考波段圖像采用PSO_OMP算法進(jìn)行稀疏分解，非參考波段圖像采用MPSO_OMP算法進(jìn)行稀疏分解，最大分解次數(shù)K＝[100,100,150,150]，繼承系數(shù)＝0.5，粒子群中的最大進(jìn)化代數(shù)Tmax＝5，種群大小Pop＝10。表2給出3種算法的實(shí)驗(yàn)結(jié)果，表中的平均PSNR是高光譜數(shù)據(jù)集所有波段圖像重構(gòu)PSNR的均值，運(yùn)行時(shí)間是完成

【參考文獻(xiàn)】：
期刊論文
[1]聯(lián)合光譜-空間信息的短波紅外高光譜圖像茶葉識(shí)別模型[J]. 蔡慶空,李二俊,蔣金豹,喬小軍,蔣瑞波,馮海寬,劉紹堂,崔希民.  光譜學(xué)與光譜分析. 2019(08)
[2]基于本征圖像分解的高光譜圖像空譜聯(lián)合分類[J]. 任智偉,吳玲達(dá).  航天返回與遙感. 2019(03)
[3]結(jié)合光譜解混與壓縮感知的高光譜圖像有損壓縮（英文）[J]. 王忠良,馮文田,粘永健.  紅外與激光工程. 2018(S1)
[4]高光譜遙感技術(shù)發(fā)展與展望[J]. 張淳民,穆廷魁,顏廷昱,陳澤宇.  航天返回與遙感. 2018(03)
[5]基于核函數(shù)的聯(lián)合稀疏表示高光譜圖像分類[J]. 陳善學(xué),周艷發(fā),漆若蘭.  系統(tǒng)工程與電子技術(shù). 2018(03)
[6]基于低秩結(jié)構(gòu)提取的高光譜圖像壓縮表示[J]. 唐中奇,付光遠(yuǎn),陳進(jìn),張利.  電子與信息學(xué)報(bào). 2016(05)
[7]基于空譜聯(lián)合的多假設(shè)預(yù)測(cè)高光譜圖像壓縮感知重構(gòu)算法[J]. 王麗,馮燕.  電子與信息學(xué)報(bào). 2015(12)
[8]基于粒子群優(yōu)化的圖像稀疏分解算法研究[J]. 王麗,馮燕.  計(jì)算機(jī)仿真. 2015(11)
[9]高光譜遙感圖像的稀疏分解與壓縮感知[J]. 馬馨宏,郭樹旭.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2015(04)



本文編號(hào)：3377095