基于参考影像梯度信息的压缩感知遥感图像重建算法
【专利摘要】本发明公开了一种基于参考影像梯度信息的压缩感知遥感图像重建算法，包括对预先配置的目标影像的稀疏系数设置初始值，并设置目标影像的稀疏约束；计算预先配置的与目标影像相匹配的参考影像的稀疏系数，并设置参考影像的稀疏约束；根据目标影像的稀疏系数和稀疏约束以及参考影像的稀疏系数和稀疏约束计算目标影像和参考影像的梯度信息；根据参考影像的梯度信息，设置与参考影像的梯度信息相垂直的单位向量；根据上述步骤，构建约束项，将约束项加入到目标影像中进行重建；基于预先配置的优化方法，对目标影像的预先配置的信号进重建。本发明的有益效果为：将参考影像的梯度信息作为约束信息，加入目标影像重建过程，提高了影像的重建精度。
【专利说明】基于参考影像梯度信息的压缩感知遥感图像重建算法
【技术领域】
[0001] 本发明涉及一种基于参考影像梯度信息的压缩感知遥感图像重建算法。
【背景技术】
[0002] 在遥感影像应用中，同一区域通常包含多源、多时相的影像，这些影像之间的光谱 虽然不同，但是其纹理方向存在很大的相似性，因此需要构造一个惩罚约束项，用参考影像 的梯度信息来约束目标影像的重建过程。
[0003] 针对相关技术中的问题，目前尚未提出有效的解决方案。
【发明内容】
[0004] 本发明的目的是提供一种基于参考影像梯度信息的压缩感知遥感图像重建算法， 将参考影像的梯度信息作为约束信息，加入目标影像的重建过程，提高影像的重建精度。
[0005] 本发明的目的是通过以下技术方案来实现： 一种基于参考影像梯度信息的压缩感知遥感图像重建算法，包括以下步骤： 步骤1 :对预先配置的目标影像的稀疏系数设置初始值，并设置目标影像的稀疏约束； 计算预先配置的与目标影像相匹配的参考影像的稀疏系数，并设置参考影像的稀疏约束； 步骤2 :根据目标影像的稀疏系数和稀疏约束以及参考影像的稀疏系数和稀疏约束计 算所述目标影像和参考影像的梯度息； 步骤3 :根据所述参考影像的梯度信息，设置一与所述参考影像的梯度信息相垂直的 单位向量； 步骤4 :根据步骤1至步骤3,构建与目标影像相匹配的约束项，将约束项加入到目标影 像中进行重建； 步骤5 :基于预先配置的优化方法，对目标影像的预先配置的信号进重建。
[0006] 进一步的，在步骤5中，预先配置的优化方法包括共轭梯度Con junction Gradient优化方法和分裂布雷格曼Bregman Split优化方法。
[0007] 本发明的有益效果为：将参考影像的梯度信息作为约束信息，加入目标影像的重 建过程，有效的提高了影像的重建精度。
【专利附图】
【附图说明】
[0008] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所 需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施 例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获 得其他的附图。
[0009] 图1是根据本发明实施例所述的一种基于参考影像梯度信息的压缩感知遥感图 像重建算法的流程图。
【具体实施方式】
[0010] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的 范围。
[0011] 如图1所示，根据本发明实施例所述的一种基于参考影像梯度信息的压缩感知遥 感图像重建算法，包括以下步骤： 步骤1 :对预先配置的目标影像的稀疏系数设置初始值，并设置目标影像的稀疏约束； 计算预先配置的与目标影像相匹配的参考影像的稀疏系数，并设置参考影像的稀疏约束； 步骤2 :根据目标影像的稀疏系数和稀疏约束以及参考影像的稀疏系数和稀疏约束计 算所述目标影像和参考影像的梯度息； 步骤3 :根据所述参考影像的梯度信息，设置一与所述参考影像的梯度信息相垂直的 单位向量； 步骤4 :根据步骤1至步骤3,构建与目标影像相匹配的约束项，将约束项加入到目标影 像中进行重建； 步骤5 :基于预先配置的优化方法，对目标影像的预先配置的信号进重建。
[0012] 在步骤5中，预先配置的优化方法包括共轭梯度Conjunction Gradient优化方法 和分裂布雷格曼Bregman Split优化方法。
[0013] 具体应用时， 1) 给定目标影像稀疏系数的初始值，设定稀疏约束; 2) 计算参考影像的梯度信息Yv ;
【权利要求】
1. 一种基于参考影像梯度信息的压缩感知遥感图像重建算法，其特征在于，包括w下 步骤： 步骤1;对预先配置的目标影像的稀疏系数设置初始值，并设置目标影像的稀疏约束； 计算预先配置的与目标影像相匹配的参考影像的稀疏系数，并设置参考影像的稀疏约束； 步骤2 ;根据目标影像的稀疏系数和稀疏约束W及参考影像的稀疏系数和稀疏约束计 算所述目标影像和参考影像的梯度信息； 步骤3 ;根据所述参考影像的梯度信息，设置一与所述参考影像的梯度信息相垂直的 单位向量； 步骤4 ;根据步骤1至步骤3,构建与目标影像相匹配的约束项，将约束项加入到目标影 像中进行重建； 步骤5 ;基于预先配置的优化方法，对目标影像的预先配置的信号进重建。
2. 根据权利要求1所述的基于参考影像梯度信息的压缩感知遥感图像重建算法，其特 征在于，在步骤5中，预先配置的优化方法包括共辆梯度Conjunction Gradient优化方法 和分裂布雷格曼化egman Split优化方法。
【文档编号】G06T5/50GK104463823SQ201410852665
【公开日】2015年3月25日 申请日期:2014年12月31日 优先权日:2014年12月31日
【发明者】刘鹏, 王力哲, 樊聪 申请人:中国科学院遥感与数字地球研究所