CN114240756B 一种基于字典原子嵌入的rgb图像光谱信息重构方法 （北京邮电大学）

一种基于字典原子嵌入的RGB图像光谱信息一种基于字典原子嵌入的RGB图像光谱信息构RGB图像信息得到对应场景的高光谱图像，首于贝叶斯非参数的字典学习理论并考虑光谱变的特征相似性选取低维像素及其对应的高维像谱字典的关系选取从低维空间映射到高维空间的映射矩阵并重建，即可完成高光谱图像的重2步骤2，把步骤1得到的初始完备字典D和初始稀疏系2.根据权利要求1所述一种基于字典原子嵌入的RGB图3.如权利要求1所述一种基于字典原子嵌入的RGB图像光谱信息重构方法，其特征在步骤2所述贝叶斯非参数分析模型中用高维完备字典Φh对高光谱图像进行稀疏编码，3ik声εi的先验设置为高斯分布；超参数的先验均设置为无信4.如权利要求1所述一种基于字典原子嵌入的RGB图像光谱信息重构方法，其特征在步骤3所述考虑相机光谱敏感度函数C的光滑性2为正则化参数；步骤3所述求解目标函数方法为交替算子乘数法，求解后得到重建高光谱分辨率场景5.如权利要求1所述一种基于字典原子嵌入的RGB图像光谱信息重构方法，其特征在步骤4所述高维完备字典Φh降维的操作为：6.如权利要求5所述一种基于字典原子嵌入的RGB图像光谱信息重构方法，其特征在4[0001]本发明属于图像处理领域，涉及一种考虑光谱变化的光昂贵引起高光谱图像获取成本高。根据RGB图像重建同一场景下的高分辨率光谱图像课题公开的一种基于字典原子嵌入的RGB图像光谱信息重构方法要解决的技术问题是：在考虑邻域建立低维空间到高维空间的映射关系，然后根据RGB图像与完备字典的特征相似性来5着对每一个字典原子，根据与低维空间的特征相似性选取低维像素及其对应的高维像素，[0015]步骤2所述贝叶斯非参数分析模型中用高维完备字典对图像进行稀疏编码，同时高斯核选用关于波长的平方指数核其中为以nm为单位的6[0022]步骤3所述求解目标函数方法为交替算子乘数法，求解后得到重建高光谱分辨率[0031]步骤5所述距离为欧氏距离，所述根据映射矩阵和低维像素重建高维像素的操作[0035]1.本发明公开的一种基于字典原子嵌入的R非参数分析模型并考虑高光谱图像中光谱变化的光滑性，在高斯过程作用下学习光谱特[0036]2.本发明公开的一种基于字典原子嵌入[0037]3.本发明公开的一种基于字典原子嵌入的RGB图像光谱信息重构方法考虑了CSS7[0038]4.本发明公开的一种基于字典原子嵌入的RGB图像光谱信息重构方法能够在保证[0039]图1是本发明一种基于字典原子嵌入的RGB图像光谱信息[0040]图2是本发明在ICVL数据库实施的重建结果，展示了从400nm到700nm间隔20nm的yy[0046]步骤1所述的在线字典学习算法和Lasso方法本实例使用SPAMs库(详见http://[0049]步骤2所述贝叶斯非参数分析模型中用高维完备字典对高光谱分辨率图像进行稀8斯核选用关于波长的平方指数核其中为以nm为单位的波长，参数ηk的先验设置为无意义伽马分布；zi作为第i个字典原子的激活项，先验设置为si和噪声εi的先验设置为高斯分布，即型的联合概率分布为：[0054]根据联合概率分布推演后验密度函数，得到吉布斯采样的解析式，用表示从ornns中采样其中从Gamma(ηk|a,b)中采样ηk，其中从Bernoulli(zik|πkoξ/(1-πko+πkoξ))中采样zik，其中从中采样sik，其中从Beta(πk|c,d)中采样πk，其中从Gamma(λs|e,f)中采样λε,其中设置迭代次数、超参数初始值后由步骤1得到的Ytrain数据训9练得