[发明专利]基于空-谱信息深度利用的高光谱遥感影像超分辨率方法

说明书

本发明公开了一种基于空‑谱信息深度利用的高光谱遥感影像超分辨率方法，首先按照设定的采样间隔从输入的高光谱遥感影像中选取波段，对选取的波段进行超分辨率处理；然后利用光谱间的相关性对未被选择的波段进行插值，得到一幅完整的高光谱影像；最后对经插值得到的高光谱遥感影像与最初输入的低分辨率高光谱遥感影像进行内部的自融合，进一步利用未被选择的波段的空‑谱信息，实现输入影像中所包含的全部空谱信息的深度利用，从而得到最终的高分辨率影像。本发明解决了现有技术中存在的高光谱遥感影像空间分辨率低难以实现高精度分类及属性分析的问题。

技术领域

本发明属于遥感影像技术领域，具体涉及一种基于空-谱信息深度利用的高光谱遥感影像超分辨率方法。

背景技术

高光谱成像仪作为当前深空探测中的核心载荷之一，能同时获得地物的光谱信息和空间信息。其中光谱信息可以用于反演地物的物质成分，而空间信息则反映的是地物的形状、纹理、布局等信息。通过两者结合，可以实现对地物的精确检测、识别以及定量化属性分析等应用。

然而，受到技术以及成本的限制，现有的高光谱遥感影像空间分辨率低，目标和背景对比度低，往往导致地物目标的区分度和辨识性差，难以实现高精度分类及属性分析。同时，高光谱遥感影像往往包含数百乃至上千个波段，给算法的时效性带来严峻的挑战。如何高效的实现高光谱遥感数据超分辨率，是高光谱遥感影像超分辨率方法要解决的问题。深度学习作为一种工具是2006年由Hinton等人提出的，能通过组合低层特征形成更加抽象的高层特征，以发现传统算法中难以解决的图像深层次特征表征问题，实现图像特征的充分利用。在高光谱遥感影像的超分辨率过程中，通过深度学习能够有效的学习影像中所携带的空谱信息，同时通过分析和利用谱间信息的相关性，实现影像的高空间分辨率描述。

发明内容

本发明的目的是提供一种基于空-谱信息深度利用的高光谱遥感影像超分辨率方法，解决了现有技术中存在的高光谱遥感影像空间分辨率低难以实现高精度分类及属性分析的问题。

本发明所采用的技术方案是，基于空-谱信息深度利用的高光谱遥感影像超分辨率方法，具体按照以下步骤实施：

步骤1、按照设定的采样间隔从输入的高光谱遥感影像中选取波段，对选取的波段进行超分辨率处理；

步骤2、利用光谱间的相关性对未被步骤1选择的波段进行插值，得到一幅完整的高光谱影像；

步骤3、对经步骤2插值得到的高光谱遥感影像与最初输入的低分辨率高光谱遥感影像进行内部的自融合，进一步利用步骤1中未被选择的波段的空-谱信息，实现输入影像中所包含的全部空谱信息的深度利用，从而得到最终的高分辨率影像。

本发明的特点还在于，

步骤1具体按照以下步骤实施：

步骤1.1设置采样间隔d＝1，临时变量d_tem＝1；

步骤1.2、逐一计算输入的低分辨率高光谱遥感影像L中当前波段L_i与相邻波段L_i+1的相关系数CCS，其中L∈R^w×h×n，i表示当前波段的序号，取值为1至n-1；

步骤1.3、统计所有的CCS，如果90％以上的CCS值大于等于0.9，则进行步骤1.4；反之，则进行步骤1.7；

步骤1.4、令临时变量d_tem＝d，增大采样间隔，令d＝d+1；

步骤1.5、再次逐一计算输入的低分辨率高光谱遥感影像L中当前波段L_i与相邻波段L_i+d的相关系数CCS，i表示当前波段的序号，取值为1至n-d；

步骤1.6、返回步骤1.3；

步骤1.7、设置最终的采样间隔dis＝d_tem；