预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114119787A(43)申请公布日2022.03.01(21)申请号202111446114.5(22)申请日2021.11.30(71)申请人哈尔滨工业大学地址150001黑龙江省哈尔滨市南岗区西大直街92号(72)发明人陈浩卢俊宏(74)专利代理机构哈尔滨华夏松花江知识产权代理有限公司23213代理人岳昕(51)Int.Cl.G06T9/00(2006.01)G06T7/262(2017.01)G06K9/62(2022.01)G06V10/762(2022.01)权利要求书3页说明书8页附图3页(54)发明名称基于正交匹配追踪的超光谱图像预测压缩方法(57)摘要基于正交匹配追踪的超光谱图像预测压缩方法,涉及图像处理技术领域,针对现有技术中已有超光谱数据压缩方法没有综合考虑超光谱图像在光谱维度上的局部相关性和整体数据分布以及选取多个预测数据时的互相影响进而导致预测准确性低的问题,本申请通过OMP算法自动地在已知数据中根据每一次输入的待预测数据选择指定书目的最优预测参考通道,如果具有先前已知的数据(如过往已经传输过的超光谱图像),可以利用这些数据初始化已知数据集合,OMP算法会自动进行选择,也就是说增加更多的已知数据不仅不会带来更大的预测系数体积,并且提高了本申请的预测准确性。CN114119787ACN114119787A权利要求书1/3页1.基于正交匹配追踪的超光谱图像预测压缩方法,其特征在于包括以下步骤:步骤一:设定参考通道数目上限S和空间聚类分组数k;步骤二:获取待压缩的超光谱图像,将M×N×K维超光谱图像的前两个维度合并形成(M×N)×K维度的矩阵X,并记录原始数据维度M,N,K;步骤三:使用聚类算法将矩阵X按行进行中心化后,得到均值mu,然后将矩阵X按行分为k组,得到分组索引idx,并根据分组索引idx得到子矩阵x(1),x(2)...x(k),最后记录均值mu和分组索引idx;步骤四:对于子矩阵x(j),1≤j≤k,将子矩阵x(j)第一列作为已知数据矩阵D的第一列且记录在残差矩阵E的第一列E(:,1)=x(j)(:,1),然后将系数矩阵C的第一行填充0,C(1,:)=0,将子矩阵x(j)的第2列至第S列,执行步骤五,将子矩阵于x(j)第S+1列至第K列,执行步骤六至七;步骤五:利用最小二乘法对已知数据矩阵D求解,得到D的伪逆,然后将x(j)的第i列记为y,求解方程解为c为y预测系数,然后根据c和已知数据矩阵D得到y预测残差e,表示为e=y‑[Dc],其中[]表示向下取整,最后将c用0补齐后并记录在系数矩阵C的第i行,将e记录在残差矩阵E的第i列,并根据y和e更新已知数据矩阵D,表示为步骤六:将x(j)的第i列记为y,并根据已知数据矩阵D利用稀疏最小二乘方法得到c;步骤七:选择没有残差数值溢出的迭代次数t,并将该次迭代中的c记录在C的第i行,计算取整残差e=y‑[Dc],将e记录在残差矩阵E的第i列,并根据y和e更新已知数据矩阵D,D表示为步骤八:压缩残差矩阵E得到残差压缩码流,获取系数矩阵C中非零元素位置,然后使用区间编码器对非零元素位置、均值mu、分组索引idx和M,N,K进行编码,得到区间编码器压缩码流,根据非零元素位置索引系数矩阵C得到非零元素的值,最后将非零元素的值、残差压缩码流和区间编码器压缩码流发送给解码端;步骤九:解码端将非零元素的值、残差压缩码流和区间编码器压缩码流解码得到残差矩阵E、系数矩阵C、分组索引idx、均值mu、原始数据维度标识M、N、K;步骤十:根据分组索引idx和原始数据维度标识M、N、K得到每一个子矩阵x(j)的维度,对于子矩阵x(j)的第一列,将残差矩阵E的第一列作为已知数据矩阵D的第一列,D表示为根据残差矩阵E的第一列得到x(j)第一列的原始数据,表示为x(j)(:,1)=E(:,1);步骤十一:对于子矩阵x(j)的第i列,使用x(j)(:,i)=[Dc]+E(:,i)无损恢复,[]表示向2CN114119787A权利要求书2/3页下取整,2≤i≤K;步骤十二:使用更新D;步骤十三:利用x(j)、分组索引idx和原始数据维度M,N,K进行重构,得到矩阵X,然后使用均值mu将矩阵X逆中心化,得到原始超光谱图像。2.根据权利要求1所述的基于正交匹配追踪的超光谱图像预测压缩方法,其特征在于所述步骤六的具体步骤为:(j)步骤六一:将x的第i列记为y,记迭代次数t=1,初始化残差rt=y,初始化参考矩阵ψ为空矩阵ψ=NULL;步骤六二:计算rt与已知数据矩阵D的内积向量Q,表示为Q=<rt,D>;步骤六三:记Q中绝对值最大的元素索引为p,将已知数据矩阵D的第p列放入参考矩阵ψ的第t列,表示为ψ(:,t)=