[发明专利]用于无人机高光谱图像超分辨率重建的辅助图像生成方法与系统

权利要求书

1.用于无人机高光谱图像超分辨率重建的辅助图像生成方法，其特征在于，包括如下步骤：

步骤一、对于无人机挂载的主高光谱图像成像设备，其各频段通道的特性通过建立光谱响应输出函数来描述；

步骤二、为了选择有助于超分辨率重建的频段通道，建立一种卷积神经网络的频段通道选择模型，将频段选择过程嵌入到神经网络中，在训练中自适应地选择最优频段通道；

步骤三、将对应的通道标记转化为控制信号，控制无人机载辅助受控可调高光谱成像仪，在最优的频段通道输出对应的辅助图像。

2.如权利要求1所述的用于无人机高光谱图像超分辨率重建的辅助图像生成方法，其特征在于，步骤一中，对于无人机挂载的主高光谱图像成像设备，其各频段通道的特性通过建立光谱响应输出函数来描述具体为：

H_k＝S(k)L(k),k＝1,2,…,N

其中，k表示频段通道编号；是成像设备在k通道采集到的图像信号，且k≤N，a×b表示通道图像的尺寸；所有的H_k堆叠成三维的高光谱图像S(k)表示通道k的光谱响应函数，总的光谱响应形式可表示为S＝[S(1),S(2),…,S(k),…,S(N)]；L(k)表示在通道k的光谱辐射。

3.如权利要求1所述的用于无人机高光谱图像超分辨率重建的辅助图像生成方法，其特征在于，步骤二中，为了选择有助于超分辨率重建的频段通道，建立一种卷积神经网络的频段通道选择模型，将频段选择过程嵌入到神经网络中，在训练中自适应地选择最优频段通道具体为：在步骤一的光谱响应输出函数中，光谱辐射L(k)经过对应的光谱响应函数S(k)而生成的频段图像的过程，等价于卷积神经网络中1×1卷积核的卷积操作；因此，把每个频段通道的响应函数S(k)堆叠为多通道的卷积核，通道总数为N，作为卷积神经网络的第一层，模拟频段选择过程；同时，利用通道注意力机制，并施加稀疏约束，即约束网络仅使用较少的通道数生成频段图像；综上，提出用于频段通道选择的卷积神经网络的损失函数如下：

Subject to,S_k∈S，w_k∈W

其中，第一项是重建误差，是训练样本，为高光谱图像的各像素向量，且M＝a×b；M是训练样本的数量；N是通道总数；S_k在上述网络中表示1×1卷积核；表示卷积操作，用于模拟频段通道选择过程，对h_m进行采样；w_k代表注意力机制下对应每个通道的参数；f表示选择网络；φ为选择网络的参数，第二项为稀疏正则化项，α是正则化参数；W表示参数向量，在稀疏约束下，大部分权值大小接近0值，余下的通道就是选择出的频段通道，得到对应通道标记。

4.用于无人机高光谱图像超分辨率重建的辅助图像生成系统，其特征在于，包括：无人机载处理模块、无人机载存储模块、无人机载主高光谱图像成像设备和无人机载辅助受控可调高光谱成像仪；无人机载处理模块分别与无人机载存储模块、无人机载主高光谱图像成像设备、无人机载辅助受控可调高光谱成像仪电气连接。

5.如权利要求4所述的用于无人机高光谱图像超分辨率重建的辅助图像生成系统，其特征在于，无人机载存储模块可被编程或配置；无人机载主高光谱图像成像设备用于获取目标场景的高光谱图像；无人机载辅助受控可调高光谱成像仪通过输入控制信号选择任意数量和编号的频段通道从而生成辅助图像。