(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221086272 2.2 (22)申请日 2022.07.21 (71)申请人 桂林电子科技大 学 地址 541004 广西壮 族自治区桂林市 桂林 金鸡路1号 (72)发明人 叶松　孙文文　李树　张紫杨　 陈妮艳　王新强　王方原　张文涛　 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/26(2022.01) G06V 10/762(2022.01) G06V 10/28(2022.01) (54)发明名称 基于图像分割的空间外差光谱仪图像压缩 感知重构方法 (57)摘要 本发明提供的是一种基于图像分割的空间 外差光谱仪图像压缩感知重构方法， 属于光学遥 感成像技术领域。 其特征是： 1通过空间外差光谱 仪推扫产生干涉图像序列， 处理得到干涉数据立 方体； 2分析干涉数据立方体每个波段图像间的 谱间相关性， 利用Kmeans聚类将波段图像进行分 组； 3将干 涉数据立方体分组进行重构， 每组的 图 像分为参考图像和非参考图像； 4采用分块压缩 感知的方法， 对于参考图像采用固定高采样率测 量重构； 5重构出参考图像后， 利用图像分割方法 分割出前景与背景； 6根据图像块含有的前景背 景信息动态测量非参考图像， 重构出非参考图 像， 进而重构出全部的干涉数据立方体。 本发明 解决了空间外差光谱仪扫描成像获取的干涉数 据立方体数据冗余量大， 数据的存储、 传输及处 理困难的问题， 提高了干涉数据立方体压缩感知 重构的精度和效率， 具有广泛的应用面。 权利要求书1页 说明书3页 附图3页 CN 115410090 A 2022.11.29 CN 115410090 A 1.一种基于图像分割的空间外 差光谱仪图像压缩感知重构方法。 其特 征是： 1)首先采用空间外差光谱仪对目标推扫得到干涉图像序列， 经处理得到原始干涉数据 立方体； 2)根据干涉数据立方体各个波段图像的谱间相关性， 利用Kmeans聚类算法将所有波段 图像分为 适当数量的组， 分组进行 数据立方体的压缩感知重构； 3)将每组图像的聚类中心设为 参考图像， 组内其 余图像均为非参 考图像； 4)对于参考图像采用固定高采样率进行精确重构， 得到重构后的参考图像xi， 对其进行 图像分割处 理， 标记前 景与背景信息； 5)对于非参考图像的重构， 对标记为前景的图像块采用高采样率测量， 标记为背景的 图像块采用低采样率测量， 利用参考图像测量值yi与非参考图像测量值yj的残差， 即Δ yj＝ yj‑yi， 对残差值Δyj进行分块压缩感知重构； 6)将残差值重构后的图像Δxj与重构后的参考图像xi合并， 即可得到重构后的非参考 图像xj＝Δxj+xi， 进而得到组内的其 他波段图像， 以此重构出整个干涉 数据立方体。 2.根据权利要求1所述的分组方法， 其特征是： 利用Kmeans聚类算法自适应分组， 使得 组内各波段图像的谱间相关性高， 而组间波段图像的 的谱间相关性低。 3.根据权利要求1所述的图像分割方法。 其特征是： 进行图像的前背景分割， 先对参考 图像进行超像素分割， 前背景分割都是基于超像素点进行， 分割时需要人工标记前景与背 景的种子点。 4.根据权利要求1所述的得到测量值残差的步骤。 其特征是： 参考图像与非参考图像所 用的观测矩阵均为高斯随机测量矩阵； 在图像重构时， 所采用的重构算法均为平滑0范数 (SL0)压缩感知算法。权　利　要　求　书 1/1 页 2 CN 115410090 A 2基于图像分割的空间外差光谱 仪图像压缩感知重构方 法 (一)技术领域 [0001]本发明涉及的是一种基于图像分割的空间外差光谱仪图像压缩 感知重构 方法， 属 于光学遥感 成像技术领域。 (二)背景技术 [0002]空间外差光谱仪的扫描成像技术是一种时空联合调制的干涉光谱 成像技术， 通过 对目标物体的推扫， 采集全部光程差下目标物体的干涉图像序列， 干涉图像在目标物体的 二维图像上叠加了干涉条纹， 即包含目标物体二维成像信息， 亦包含目标物体一维光谱干 涉信息。 通过三 维图谱数据反演 重构算法， 即可得到目标物体的干涉数据立方体。 空间外差 成像光谱技术在军事侦查、 大气监测和环境检测领域具有广泛的应用和重要意义， 然而干 涉数据立方体拥有庞大的数据量， 具有 数据的冗余特性， 数据的存储、 传输及处理需要耗费 大量的时间成本。 压缩感知理论可以将数据在 采样的过程压缩， 剔除大量的冗余数据， 从而 可以提高数据立方体的重构速率， 解决了数据的存 储、 传输及处 理难题。 [0003]压缩感知理论为信号的采集处理提供了新的方法， 它提供了一种不同于香农 －奈 奎斯特采样定理的采样方法， 在采样的同时对数据进行压缩， 然后用一个低 维的观测矩阵 对采样信号进行观测， 最后用重构算法从这些少量的观测数据中重构出原信号。 这种 方法 大大降低了采样率， 不仅效率很高， 还 减少了资源的浪费。 [0004]现有的压缩 感知方法没有充分的结合干涉数据立方体的空谱特性， 如现有的多利 用高光谱图像各波段间的相关性进行分组重构， 若两波段的相关性较高则分为一组进 行联 合重构， 否则采用独立重构方法。 基于低秩稀疏高光谱图像的重构以低秩理论和高光谱图 像谱间相关性为基础， 建立相关的低秩分解模型从而进行重构。 压缩感知理论极大 的减少 了高光谱图像的采样数量， 但目前重构速度慢， 未能实时化处理， 重构精度低， 对高光谱图 像的空谱特性利用不充分等问题仍然是目前研究的关键 。 (三)发明内容 [0005]本发明的目的在于针对空间外差光谱仪干涉数据立方体压缩感知重构方法的缺 乏， 提供一种基于图像分割的空间外 差光谱仪图像压缩感知重构方法。 [0006]本发明的目的是这样实现的： [0007]1)首先采用空间外差光谱仪对目标推扫得到干涉图像序列， 经处理得到原始干涉 数据立方体； [0008]2)根据干涉数据立方体各个波段图像的谱间相关性， 利用Kmeans聚类算法将所有 波段图像分为 适当组， 分组进行 数据立方体的压缩感知重构； [0009]3)将每组图像的聚类中心设为 参考图像， 组内其 余图像均为非参 考图像； [0010]4)对于参考图像采用传统方法以固定高采样率进行精确重构， 得到重构后的参考 图像， 再对其进行图像分割处 理， 标记前 景与背景信息； [0011]5)对于非参考图像 的重构， 对标记为前景的图像块采用高采样率测量， 标记为背说　明　书 1/3 页 3 CN 115410090 A 3