[发明专利]基于深度闭环神经网络的高光谱图像超分辨优化方法

权利要求书

1.一种基于深度闭环神经网络的高光谱图像超分辨优化方法，其特征在于，包括以下步骤：

从卫星获取高光谱数据Y_gt，用双三次插值模拟生成Y_gt对应的低分辨率高光谱图像X_lr；

建立深度闭环神经网络模型，包括超分辨率神经网络模型和逆超分辨率神经网络模型，设置好参数，输入Y_gt和X_lr图像对来训练模型，具体如下：

，其中S为超分辨率网络模型，Y_sr为对X_lr进行一次超分辨率重建后生成的高分辨率高光谱图像；

，其中RS为逆超分辨率网络模型，X_lr＇为对Y_sr进行一次逆超分辨率复原后生成的低分辨率高光谱图像；

训练过程分为两步交替训练：

，l₁为L1范数， 为比例系数；第一步固定RS的模型参数，训练S的模型参数；

，SAM为光谱角，为比例系数；第二步固定S的模型参数，训练RS的模型参数；

根据训练好的深度闭环神经网络构建包含数据项和先验项的目标函数，并引入辅助变量来构建最终的高光谱超分辨率重建的目标函数；

通过基于超分辨率重建的目标函数求解的变量分离精细优化方法，直接迭代重建高分辨率高光谱图像。

2.根据权利要求1所述的基于深度闭环神经网络的高光谱图像超分辨优化方法，其特征在于，从卫星获取高光谱数据 Y_gt，用双三次插值模拟生成Y_gt对应的低分辨率高光谱图像 X_lr，具体如下：

在超分辨率任务中，需要低分辨率的高光谱图像 X_lr和对应的高分辨率的高光谱图像Y_gt，使用双三次插值降采样方法处理高光谱图像，以模拟相同环境下的低分辨率高光谱图像；其中 ，m为空间长，n为空间宽，c为光谱维数；，r为放大倍数。