申请/专利权人：哈尔滨工业大学

申请日：2021-11-30

公开（公告）日：2024-04-12

公开（公告）号：CN114119787B

主分类号：G06T9/00

分类号：G06T9/00;G06T7/262;G06V10/762

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2022.03.18#实质审查的生效;2022.03.01#公开

摘要：基于正交匹配追踪的超光谱图像预测压缩方法，涉及图像处理技术领域，针对现有技术中已有超光谱数据压缩方法没有综合考虑超光谱图像在光谱维度上的局部相关性和整体数据分布以及选取多个预测数据时的互相影响进而导致预测准确性低的问题，本申请通过OMP算法自动地在已知数据中根据每一次输入的待预测数据选择指定书目的最优预测参考通道，如果具有先前已知的数据如过往已经传输过的超光谱图像，可以利用这些数据初始化已知数据集合，OMP算法会自动进行选择，也就是说增加更多的已知数据不仅不会带来更大的预测系数体积，并且提高了本申请的预测准确性。

主权项：1.基于正交匹配追踪的超光谱图像预测压缩方法，其特征在于包括以下步骤：步骤一：设定参考通道数目上限S和空间聚类分组数k；步骤二：获取待压缩的超光谱图像，将M×N×K维超光谱图像的前两个维度合并形成M×N×K维度的矩阵X，并记录原始数据维度M,N,K；步骤三：使用聚类算法将矩阵X按行进行中心化后，得到均值mu，然后将矩阵X按行分为k组，得到分组索引idx，并根据分组索引idx得到子矩阵x1,x2...xk，最后记录均值mu和分组索引idx；步骤四：对于子矩阵xj，1≤j≤k，将子矩阵xj第一列作为已知数据矩阵D的第一列且记录在残差矩阵E的第一列E:,1＝xj:,1，然后将系数矩阵C的第一行填充0，C1,:＝0，将子矩阵xj的第2列至第S列，执行步骤五，将子矩阵于xj第S+1列至第K列，执行步骤六至七；步骤五：利用最小二乘法对已知数据矩阵D求解，得到D的伪逆，然后将xj的第i列记为y，求解方程解为c为y预测系数，然后根据c和已知数据矩阵D得到y预测残差e，表示为e＝y-[Dc]，其中[]表示向下取整，最后将c用0补齐后并记录在系数矩阵C的第i行，将e记录在残差矩阵E的第i列，并根据y和e更新已知数据矩阵D，表示为步骤六：将xj的第i列记为y，并根据已知数据矩阵D利用稀疏最小二乘方法得到c；步骤七：选择没有残差数值溢出的迭代次数t，并将该次迭代中的c记录在C的第i行，计算取整残差e＝y-[Dc]，将e记录在残差矩阵E的第i列，并根据y和e更新已知数据矩阵D，D表示为步骤八：压缩残差矩阵E得到残差压缩码流，获取系数矩阵C中非零元素位置，然后使用区间编码器对非零元素位置、均值mu、分组索引idx和M,N,K进行编码，得到区间编码器压缩码流，根据非零元素位置索引系数矩阵C得到非零元素的值，最后将非零元素的值、残差压缩码流和区间编码器压缩码流发送给解码端；步骤九：解码端将非零元素的值、残差压缩码流和区间编码器压缩码流解码得到残差矩阵E、系数矩阵C、分组索引idx、均值mu、原始数据维度标识M、N、K；步骤十：根据分组索引idx和原始数据维度标识M、N、K得到每一个子矩阵xj的维度，对于子矩阵xj的第一列，将残差矩阵E的第一列作为已知数据矩阵D的第一列，D表示为根据残差矩阵E的第一列得到xj第一列的原始数据，表示为xj:,1＝E:,1；步骤十一：对于子矩阵xj的第i列，使用xj:,i＝[Dc]+E:,i无损恢复，[]表示向下取整，2≤i≤K；步骤十二：使用更新D；步骤十三：利用xj、分组索引idx和原始数据维度M,N,K进行重构，得到矩阵X，然后使用均值mu将矩阵X逆中心化，得到原始超光谱图像。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 基于正交匹配追踪的超光谱图像预测压缩方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD