公开(公告)号：CN105513102A

公开(公告)日：2016-04-20

申请号：CN201510941178.0

申请日：2015-12-15

Applicant: 西安电子科技大学

Inventor： 孟红云 ,  张小华 ,  杨星 ,  田小林 ,  陈佳伟 ,  钟桦

IPC: G06T9/00

CPC classification number: G06T9/001

Abstract: 本发明公开了一种基于非局部全变差和低秩稀疏的高光谱压缩感知重建方法，主要解决现有技术在高光谱数据进行压缩采样后重建准确度低、效果差的问题。其包括：1.输入高光谱数据并向量化；2.对向量化的高光谱数据采样，得到采样数据；3.对采样数据进行初始重建；4.对初始重建的数据聚类；5.根据像元类别对采样数据分类，得到各类采样数据；6.构造二次重建模型；7.根据各类采样数据求解二次重建模型，得到二次重建的最优数据，并将该数据作为最终重建数据。本发明在低秩稀疏重建的基础上引入非局部全变差和聚类思想，具有重建准确度高、效果好的优点，可用于高光谱数据成像。

公开(公告)号：CN105513102B

公开(公告)日：2018-11-16

申请号：CN201510941178.0

申请日：2015-12-15

Applicant: 西安电子科技大学

Inventor： 孟红云 ,  张小华 ,  杨星 ,  田小林 ,  陈佳伟 ,  钟桦

IPC: G06T9/00

Abstract: 本发明公开了一种基于非局部全变差和低秩稀疏的高光谱压缩感知重建方法，主要解决现有技术在高光谱数据进行压缩采样后重建准确度低、效果差的问题。其包括：1.输入高光谱数据并向量化；2.对向量化的高光谱数据采样，得到采样数据；3.对采样数据进行初始重建；4.对初始重建的数据聚类；5.根据像元类别对采样数据分类，得到各类采样数据；6.构造二次重建模型；7.根据各类采样数据求解二次重建模型，得到二次重建的最优数据，并将该数据作为最终重建数据。本发明在低秩稀疏重建的基础上引入非局部全变差和聚类思想，具有重建准确度高、效果好的优点，可用于高光谱数据成像。