专利名称：基于稀疏矩阵的高光谱遥感图像的压缩感知处理方法
技术领域：
本发明涉及一种基于稀疏矩阵的高光谱遥感图像的压缩感知处理方法，属移动通信信源编码领域。
背景技术：
遥感技术通过记录地物发射或反射的辐射能量，能够充分识别这些地物的特征。传统的遥感器在几个离散的波段，以不同的波段宽度(常为IOOlOOnm)获取图像，丢失了大量对地物识别有用的信息。与之相反，高光谱遥感技术将成像技术与光谱技术紧密结合在一起，在对目标的空间特征成像的同时，在电磁波谱的紫外、可见光、近红外光和短波红外区域对每个空间像元经过色散形成及时甚至几百个窄波段(小于IOnm)进行连续的光谱覆 盖。其所获取的图像包含了丰富的空间、辐射和光谱三重信息。高光谱遥感技术的高光谱分辨率、波段连续、谱像合一等特性有利于用光谱特征来分析研究地物，从而实现地物的精细分类与识别。然而由于高光谱遥感数据也具有数据量大(每次处理数据一般都在千兆以上)以及数据率高(从每秒数兆到每秒致百兆)的特点，所以海量数据的高比例“非失真”压缩技术以及高光谱遥感数据的高速化处理技术成为了遥感技术发展中迫切需要解决的问题。因此考虑将压缩感知系统应用到高光谱遥感图像的处理上，以解决以上问题。压缩感知是近年来极为热门的研究前沿，在若干应用领域中都引起瞩目。其突破了传统的奈奎斯特采样定理信号采样速率的要求，指出只要信号是可压缩的或在某个变换域是稀疏的，就可以用一个与变换基不相关的观测矩阵将变换所得的高维信号投影到一个低维空间上，然后通过求解一个优化问题从这些少量的投影中以高概率重构出原信号。在该理论框架下，采样速率不决定于信号的带宽，而决定于信息在信号中的结构和内容。在压缩感知理论中，信号的采样和压缩同时以低速率进行，使传感器的采样和计算成本大大降低。“基于压缩感知理论的图像重构技术”Electronic SCI&Tech Marl5，2011一文以小波变换基为稀疏基，对二维图像进行稀疏处理，再利用高斯随机矩阵对稀疏处理后的图像进行压缩采样，最后使用正交追踪匹配算法恢复图像。然而此文中所述的图像重构技术只是处理普通的8比特图像，且采用的高斯随机矩阵硬件实现复杂。
发明内容
为克服现有的高光谱遥感图像压缩技术中存在的缺陷和不足，本发明提供了一种基于稀疏矩阵的高光谱遥感图像的压缩感知处理方法，该方法能够提供一种大大提高光谱遥感图像压缩比的高效编码，同时能够从该编码后的压缩码流中恢复出原始遥感图像且使得恢复图像的峰值信噪比有所提高。本发明的高光谱遥感图像的压缩感知处理方法采用以下技术解决方案一种基于稀疏矩阵的高光谱遥感图像的压缩感知处理方法，包括小波变换、数据类型转、量化、稀疏矩阵压缩编码、正交追踪匹配(Orthorgonal Matching Pursuit, OMP)译码、数据类型反变换、反量化以及小波反变换八个步骤，其中小波变换、数据类型转换、量化和稀疏矩阵压缩编码统称为编码过程，正交追踪匹配(OMP)译码、数据类型反变换、反量化和小波反变换统称为译码过程，该方法的步骤如下(I)小波变换将高光谱遥感图像的数据进行小波变换，记录其在小波域的系数作为量化的输入数据；离散小波变换公式如下
权利要求
1.一种基于稀疏矩阵的高光谱遥感图像的压缩感知处理方法，包括小波变换、数据类型转、量化、稀疏矩阵压缩编码、正交追踪匹配译码、数据类型反变换、反量化以及小波反变换八个步骤，其中小波变换、数据类型转换、量化和稀疏矩阵压缩编码统称为编码过程，正交追踪匹配译码、数据类型反变换、反量化和小波反变换统称为译码过程，该方法的步骤如下(1)小波变换将高光谱遥感图像的数据进行小波变换，记录其在小波域的系数作为量化的输入数据；离散小波变换公式如下m
全文摘要
一种基于稀疏矩阵的高光谱遥感图像的压缩感知处理方法，属移动通信信源编码领域。该方法包含小波变换、数据类型变换、量化、稀疏矩阵压缩编码、正交追踪匹配(Orthorgonal Matching Pursuit,OMP)译码、数据类型反变换、反量化以及小波反变换八个步骤，顺序执行。本方法可处理两类遥感图像，第一类是未经几何校正的遥感图像；第二类是经过几何校正后的遥感图像。针对第二类图像，在整个处理方法中添加了数据类型变换以及数据类型反变换。本发明方法对高光谱遥感图像的处理具有图像压缩比例高，节约存储计算空间以及图像恢复质量好的优点。
文档编号H04N7/30GK103024398SQ20131001428
公开日2013年4月3日 申请日期2013年1月15日 优先权日2013年1月15日
发明者马丕明, 李丹丹, 熊海良 申请人:山东大学