[发明专利]基于嵌入式DSP的遥感图像稀疏编码字典学习方法

摘要

本发明公开了一种基于嵌入式DSP的遥感图像稀疏编码字典学习方法，步骤1、输入待学习的遥感图像；步骤2、对遥感图像进行重新排列，将遥感图像通过移位提取的方式分解为相互重叠的子图像；步骤3、建立字典矩阵D和系数矩阵A和系数矩阵B；步骤4、建立辅助系数矩阵Aodd、Bodd、Aeven以及Beven；步骤5、建立稀疏向量矩阵AT、BT，对稀疏向量矩阵AT、BT内所有元素值初始化；步骤6、计算稀疏向量αi并更新稀疏向量矩阵AT、BT；步骤7、去除相同稀疏向量；步骤8、更新系数矩阵A和系数矩阵B；步骤9、更新字典矩阵D，得到最终的字典矩阵D。本发明加快了字典学习速度、收敛的速度；明显减少数据的传递次数，提高了赋值过程的速度，提升了图像字典学习的速度。

主权项

一种基于嵌入式DSP的遥感图像稀疏编码字典学习方法，其特征在于，该方法包括以下步骤：步骤1、输入待学习的遥感图像，将遥感图像静态存储在数字信号处理器DSP的外部SDRAM中；步骤2、对遥感图像进行重新排列，将遥感图像通过移位提取的方式分解为相互重叠的子图像，并将子图像中的每个元素按顺序存储在数字信号处理器DSP内存的一个BANK中，称其为训练集矩阵X；步骤3、建立字典矩阵D用于存储字典，建立系数矩阵A和系数矩阵B用于存储稀疏向量，并对字典矩阵D和系数矩阵A、B进行初始化；步骤4、建立辅助系数矩阵Aodd、Bodd、Aeven以及Beven，用于存储由于数据量大的训练集矩阵带有大量的重复信息产生相同的稀疏向量，并对辅助系数矩阵进行初始化；步骤5、建立稀疏向量矩阵AT、BT，对稀疏向量矩阵AT、BT内所有元素值初始化；步骤6、计算稀疏向量αt并更新稀疏向量矩阵AT、BT；步骤7、根据步骤4中建立的辅助系数矩阵，建立epoch变量和even变量对辅助系数矩阵进行选择性操作，如果不满足条件，则跳过此步骤；反之，则执行去除相同稀疏向量的步骤；步骤8、更新系数矩阵A和系数矩阵B；步骤9、更新字典矩阵D；对步骤6至步骤9重复执行1000次，得到最终的字典矩阵D。