[发明专利]基于耦合稀疏张量分解的多时相遥感影像时空谱融合方法

权利要求书

1.一种基于耦合稀疏张量分解的多时相遥感影像时空谱融合方法，其特征在于，包括以下步骤：

步骤1、对高时间分辨率、高光谱分辨率且低空间分辨率的高光谱HtSe-Lsa影像进行预处理，对高空间分辨率、低时间分辨率且低光谱分辨率的Hsa-LtSe影像进行预处理；

步骤2、利用张量的多维表达优势，将多时相的HtSe-Lsa影像和Hsa-LtSe影像表示为三维张量形式；将不同时相间的影像波段视为具有时间变化信息的影像波段，将同一传感器不同时相的遥感影像在光谱维进行叠加扩展作为第三维；

步骤3、构建目标影像与输入的HtSe-Lsa影像和Hsa-LtSe影像之间耦合的时-空-谱张量关系模型；

步骤4、不同维度字典和结构张量的初始化和求取：基于变分框架，建立时-空-谱一体化融合模型；

步骤5、不同维度字典和结构张量的优化求取并重建目标影像。

2.根据权利要求1所述基于耦合稀疏张量分解的多时相遥感影像时空谱融合方法，其特征在于，步骤3具体包括如下步骤：

步骤3.1、利用Tucker分解模型将多时相的目标影像描述为三维的张量，所述三维的张量表示为：

上式中，后面带有数字的乘号×_n表示张量和矩阵的模-n乘积，为目标影像；为目标影像的结构张量，其中n_h为高模字典的原子个数，为n_w宽模字典的原子个数，n_st为时间-光谱模字典的原子个数；表示具有个n_h原子的高模字典；表示具有n_w个原子的宽模字典；表示具有个n_st个原子的时间-光谱模字典；高模和宽模表示的是目标影像的空间维信息，时间-光谱模表示的是目标影像的时间维和光谱维信息，中的元素为时-空-谱张量关系模型中三个字典间的关系系数；

步骤3.2、将输入的高时间分辨率、高光谱分辨率且低空间分辨率的HtSe-Lsa影像视为目标影像在空间上的降质影像，该降质影像由目标影像的高模和宽模作用点扩散函数和下采样矩阵得到：

上式中，为目标影像；后面带有数字的乘号×_n表示张量和矩阵的模-n乘积，P₁∈R^w×W,P₂∈R^h×H为分别沿着宽模和高模的空间降采样算子，目标影像在空间上的降质影像表征融合影像与观测影像的空间分辨率降质；

步骤3.3、在假设降质影像分别作用于宽模和高模的情况下，结合公式(1)和公式(2)，将影像写为：

上式中，分别为宽模和高模的降采样字典，后面带有数字的乘号×_n表示张量和矩阵的模-n乘积；

步骤3.4、将输入的高空间分辨率、低时间分辨率且低光谱分辨率的Hsa-LtSe影像视为目标影像在时间维和光谱维上的降质影像，该降质影像由目标影像在时间和光谱维上作用降采样算子得到：

上式中，后面带有数字的乘号×_n表示张量和矩阵的模-n乘积，P₃∈R^s×S，P₄∈R^t×T分别表示光谱维和时间维上的降采样算子，表征融合影像与观测影像在时间-光谱维上的降质，结合公式(1)和公式(4)，将HR-MS影像写为：

上式中，后面带有数字的乘号×_n表示张量和矩阵的模-n乘积，表示时间-光谱维上的降采样字典。