[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

说明书

本发明公开了一种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，首先考虑高光谱成像设备各频段通道的特性，建立光谱响应输出函数；其次，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；最后，将选择出的通道标记转化为控制信号，控制无人机载辅助受控可调节光谱成像仪，在最优的频段通道上输出对应的辅助图像。本发明将辅助图像的频段选择和具有场景目标特性的高光谱图像整合到同一个模型框架下，充分考虑辅助图像和高光谱图像之间的关系，在无人工干预的情况下，根据目标场景特性自适应地生成最有利于重建的辅助图像。

技术领域

本发明涉及高光谱图像处理技术领域，尤其是一种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。

背景技术

基于高光谱图像分析的无人机遥感技术属于无人机技术结合遥感科学和计算机科学的交叉技术领域，目前的许多研究主要集中在对采集的高光谱图像进行信息提取及目标检测与分类等问题，在国土资源监测、军事侦察等应用中得到了广泛的应用。然而，上述研究结果往往受无人机采集的高光谱图像质量影响，较差的高光谱图像无法为研究提供可靠的、客观的以及精确的数据支持，易导致军事上的决策失误。高光谱图像是一种三维光谱数据，一方面，它包含极高光谱分辨率，能够精确识别和区分目标场景中物体的类别。另一方面，由于太阳光子分布在太多的频段上，因此高光谱成像设备必须降低空间分辨率，以保证每个频段拥有一定数量的光子，使得无人机高光谱图像的空间分辨率往往比自然图像更低。为达到可靠的目标侦查及监测，通常需要极高的空间分辨率。因此，对低分辨率的高光谱图像进行超分辨率重建，增强其空间分辨率，满足无人机获取更为精确目标信息的应用要求，显得尤其重要，这也是无人机遥感技术的核心问题之一。

无人机高光谱图像超分辨率重建所面临的最基本问题是信息缺失，即从少量的空间信息恢复出高空间信息量的高光谱图像是一个病态问题，本身就存在严重的信息缺失。为弥补信息缺失，一种常用的方式是在无人机上另挂载一个高空间分辨率照相机，以此引入高光谱图像数据之外的信息来参与高光谱图像超分辨率重建。现有的可用于无人机高光谱图像超分辨率重建算法往往采用RGB、全色照相机以及多光谱相机来生成参与重建的辅助图像。这些辅助图像是通过利用特定频段来确定的，如RGB图像是固定在0.630-0.680μm(红色)、0.525-0.600μm(绿色)和0.450-0.515μm(蓝色)这三个频段通道上。对于无人机高光谱图像重建任务，设计选择更有利于重建的频段则可在同样的图像采集成本达到更好的重建任务。一些工作表明，在同一个重建方法上，RGB图像往往达不到最优的效果，这使得将RGB图像作为辅助的重建方法应用前景有限。而全色图像作为辅助参与重建时，单通道的空间信息会产生明显的光谱失真。尽管多光谱图像的频段数量较为丰富(一般包含3-10个频段信息)，但是这些频段是人为预先定义的，难以保证场景自适应。另外，无人机在不同目标场景进行连续采集的高光谱图像，由于不同场景包含的物质、元素组成以及结构等不同，其具有不同的光谱特征，因此可能会造成相同频段生成的辅助图像所引导的不同高光谱图像重建结果时好时坏，泛化性较差。

综上，场景自适应难是目前许多无人机高光谱图像超分辨率的重建方法所面临的一大挑战，如何根据目标场景自适应地选择更有利于高光谱重建的辅助图像需要进一步研究。

发明内容

本发明所要解决的技术问题在于，提供一种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，能够在无人工干预的情况下，根据目标场景特性自适应地选择出最有利于重建的辅助图像，从而为高光谱图像超分辨率重建提供可靠的数据支持。

为解决上述技术问题，本发明提供一种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，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；