[发明专利]基于参考影像纹理约束和非凸低秩约束的遥感图像重建方法

说明书

技术领域

本发明涉及多源遥感数据的信号重建技术领域，尤其涉及一种基于参考影像纹理约束和非凸低秩约束的遥感图像重建方法。

背景技术

在遥感技术领域，同一区域通常包含多源、多时相的影像，这些遥感图像具有不同的光谱特性、时间分辨率和空间分辨率。在一些遥感应用中，我们仅有一些观测图像，无法获取某一地区某个时刻的原始图像，如果我们需要这些原始图像的信息，需要通过重建的方法来进行遥感图像重建。遥感影像光谱的纹理间存在很大的相似性，影像纹理结构与地物光谱特征和形状特征一起被用于遥感影像的识别。与目标地物的光谱特征相比，遥感影像中地物的纹理结构特征相对更为稳定，将这些多源遥感影像的纹理结构特征作为参考约束信息加入到稀疏系数约束和目标图像的重建过程可以提高目标图像的重建精度。

将遥感影像的纹理结构特征作为参考约束信息主要不足是：纹理信息纹理结构特征不加选择的注入，无法准确刻画光谱图像的各个局部结构、忽略稀疏系数相关性、无法刻画图像的局部稀疏度、引入吉布斯效应等问题。非凸低秩逼近算法解决了一般稀疏表示和引入为参考约束信息的遥感图像重建算法存在的这些问题，可以避免参考约束信息的过度注入，可在一定程度上避免边缘纹理等结构部分的过渡平滑，使注入的纹理结构特征更合理，取得更优的遥感影像纹理细节恢复。

鉴于此，在参考影像的纹理信息来约束目标影像的基础上，提出一种基于参考影像纹理约束和广义非凸低秩约束的遥感图像重建方法很有必要。

发明内容

本发明的目的是提供一种基于参考影像纹理约束和广义非凸低秩约束的遥感图像重建方法，通过借鉴人类视觉系统对影像的处理过程，首先计算目标影像和参考影像纹理在小波系数中的统计特征，分别构建相应的特征向量，用特征向量的相似程度构建参考约束，再用非凸核范数近似约束代替压缩感知的L1范数约束目标图像的稀疏系数，建立遥感图像稀疏优化重建模型并求解，能够有效地减少采样数据，提高重建影像的精度。

本发明的目的是通过以下技术方案来实现：

一种结合专家场滤波器稀疏约束的压缩感知图像重建方法，包括以下步骤：

步骤S1、设置目标影像稀疏系数初始值，计算参考影像小波子稀疏系数；

步骤S2、根据纹理在小波变换域统计特性，计算目标影像和参考影像小波子影像纹理特征向量的Canberra距离，得到相似度；

步骤S3、用非凸低秩核范数约束目标影像稀疏系数，将相似度加入目标影像的稀疏系数中进行更新，构建目标函数；和

步骤S4、通过共轭梯度算法、局部最小化泰勒一阶近似和奇异值分解迭代求解带目标影像低秩先验信息的非局部遥感影像重建模型。

进一步的，在步骤S1中，设置的目标影像的稀疏系数设置初始值为全零向量，计算与目标影像相匹配的参考影像小波子影像的稀疏系数。

进一步的，在步骤S2中，根据纹理在小波变换域的统计特性，计算目标影像的纹理特征向量与参考影像小波子影像的纹理特征向量的Canberra距离，得到两个纹理特征向量的相似度。

进一步的，在步骤S3中，用非凸低秩核范数约束目标影像稀疏系数，将相似度加入到目标影像的稀疏系数中进行更新，计算更新后的目标影像的纹理特征向量与参考影像的纹理特征向量的相似度，根据相似度得到目标影像基于参考影像的约束度，构建目标函数。

本发明的有益效果为：将参考影像小波纹理特征向量作为先验约束，将广义非凸低秩核范数作为目标影像稀疏系数约束，利用二者互补优势建立遥感图像重建模型，提高目标影像的重建精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。

图1是本发明实施的一种基于参考影像纹理约束和非凸低秩约束的遥感图像重建方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，根据本发明的实施例所述的一种基于参考影像纹理约束和非凸低秩约束的遥感图像重建方法，包括以下步骤：

步骤1：设置的目标影像的稀疏系数设置初始值为全零向量，计算与目标影像相匹配的参考影像小波子影像的稀疏系数；