一种基于空间-光谱联合低秩的高光谱与多光谱图像融合方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114998167A(43)申请公布日2022.09.02(21)申请号202210528487.5(22)申请日2022.05.16(71)申请人电子科技大学地址611731四川省成都市高新区（西区）西源大道2006号(72)发明人刘欣刚张磊黄增名郭又铭杨旻君贺川圳(74)专利代理机构电子科技大学专利中心51203专利代理师陈一鑫(51)Int.Cl.G06T5/50(2006.01)G06V10/764(2022.01)G06V10/80(2022.01)权利要求书2页说明书7页附图2页(54)发明名称一种基于空间-光谱联合低秩的高光谱与多光谱图像融合方法(57)摘要本发明属于高光谱与多光谱图像融合领域，具体提供一种基于空间‑光谱联合低秩的高光谱与多光谱图像融合方法，通过对空间‑光谱维度的非局部低秩表示和相关优化方法实现高光谱与多光谱图像的融合。在尽可能减少光谱失真的前提下，利用已知多光谱图像丰富的空间信息进行非局部自相似数据块的提取，接着考虑重构图像空间和光谱维度的低秩特性，采用低变换张量秩的方式探索图像中的相似性和相关性，最后通过分段优化的思想和交替方向乘子法迭代求解目标优化函数实现高光谱与多光谱图像的融合。本发明通过非局部联合低秩实现了高光谱与多光谱图像的有效融合，从而得到高分辨率的高光谱图像，进一步使得光谱图像的应用更加广泛。CN114998167ACN114998167A权利要求书1/2页1.一种基于空间‑光谱联合低秩的高光谱与多光谱图像融合方法，包括以下步骤：S1：输入待融合的高光谱图像和多光谱图像；S2：进行非局部自相似数据块的提取，将相似的数据块先进行聚类，然后重新排列，以便探索其非局部低秩结构；S3：进行低秩约束，对重构的结果进行空间‑光谱联合低变换张量秩的约束；S4：建立融合模型并利用交替方向乘子法进行求解，从而得到光谱图像的融合结果。2.如权利要求1所述的一种基于空间‑光谱联合低秩的高光谱与多光谱图像融合方法，其特征在于，所述步骤S1包含以下步骤：输入低分辨率的高光谱图像和高分辨率的多光谱图像，高光谱图像用张量来表示，其中w×h表示高光谱图像空间维度的尺寸，N表示光谱波段数，多光谱图像用张量来表示，其中W×H＞＞w×h表示多光谱图像空间维度的尺寸，n＜＜N表示光谱波段数，融合得到的高分辨率高光谱图像用张量来表示。3.如权利要求1的一种基于空间‑光谱联合低秩的高光谱与多光谱图像融合方法，其特征在于，所述步骤S2包含以下步骤：S21：对已知的多光谱图像在空间维度上进行有重叠的切分，得到m个子数据块S22：对切分得到的图像块利用K‑means++算法进行聚类，切分过后的数据块会被分为K簇其中Mk表示第k簇中数据块的个数；S23：对聚类过后同一簇中的数据重新排列，得到K个三阶张量S24：根据对多光谱图像的操作，对未知融合结果在空间上进行分组和重新排列的操作，得到K个关于融合结果的重构后的三阶张量4.如权利要求1所述的一种基于空间‑光谱联合低秩的高光谱与多光谱图像融合方法，其特征在于，所述步骤S3包含以下步骤：S31：从已知高光谱图像中构建变换矩阵Θ0，这个过程为：其中Y(3)是张量的模3展开矩阵；表示矩阵Y(3)的奇异值分解后的结果，U0，S0，V0分别表示分解后的参数；表示构建的变换矩阵Θ0为得到的U0矩阵的转置；S32：从已知多光谱图像中构建K个变换矩阵这个过程为：其中是张量的模2展开矩阵；表示矩阵奇异值分解后的结果；表示构建的变换矩阵Θk为得到的Uk矩阵的转置；S33：对K个三阶张量进行空间维度和光谱维度的低变换张量秩约束，形式如下：2CN114998167A权利要求书2/2页其中α＞0表示权衡系数；为张量的旋转；表示变换张量秩，Θk为变换张量秩涉及到的正交变换矩阵。5.如权利要求1所述的一种基于空间‑光谱联合低秩的高光谱与多光谱图像融合方法，其特征在于，所述步骤S4包含以下步骤：S41：建立光谱图像观测模型；低分辨率高光谱图像和未知高分辨率高光谱图像之间的线性关系为：Y(3)＝X(3)BD其中Y(3)是张量的模3展开矩阵；X(3)是张量的模3展开矩阵；矩阵表示空间模糊矩阵；矩阵表示空间下采样矩阵；高分辨率多光谱图像和未知高分辨率高光谱图像之间的线性关系为：Z(3)＝RX(3)其中Z(3)是张量的模3展开矩阵；矩阵表示光谱下采样矩阵；S42：结合光谱图像观测模型和低变换张量秩的约束，建立光谱图像融合模型，目标优化函数为：其中||·||F表示Frobenius范数；λ＞0表示正则化参数。S43：利用ADMM迭代求解提出的目标优化函数，输出融合后的高光谱图像3CN114998167A说明书1/7页一种基于空间‑光谱联合低秩的高光谱与多光谱图像融