粒子群优化的高光谱图像快速稀疏分解算法∗
2020-08-06孙长杰王
舰船电子工程 2020年6期
关键词:信号
王 丽 孙长杰王 威
(1.西安航空学院 西安 710077)(2.中国飞行试验研究院 西安 710089)
1 引言
高光谱图像(Hyperspectral Images,HSIs)包含丰富的空间几何信息和光谱特征信息,适用于战场地形侦察[1]、目标探测与识别[2~3]、分类[4~5]等军事和民用领域。高光谱成像光谱仪的研制[6]、高光谱图像解译研究[7],已成为备受关注的前沿热点。应用领域的不断扩展,要求高光谱图像能够提供更细致的目标信息。问题是,空间和光谱分辨率越高,对系统的数据存储和传输能力的挑战更高。将信号稀疏分解理论用于高光谱图像[8],便于对高光谱图像进行后续处理。高光谱图像波段多,如何寻找计算效率高的稀疏分解算法成为研究的关键。
经典的稀疏分解算法是正交匹配追踪(Orthog-onal Matching Pursuit,OMP)[9]算法,该算法能够从原子库中依次查找到能够对信号进行稀疏表示的原子,重构精度高。高光谱图像特征复杂,采用冗余度高的冗余字典才能完成其稀疏表示。正交匹配追踪算法在处理此类问题时,计算时间在现有计算条件下无法忍受。鉴于进化算法[10]寻优能力强的特点,本文采用粒子群算法(Particle Swarm Optimization,PSO)[11]和Hermitian求逆引理[12]对OMP算法的匹配过程和残差更新过程进行改进,提出基于粒子群优化的快速稀疏分解算法(fastPSO_OMP)。
2 基本理论
2.1 OMP算法的稀疏分解过程
利用稀疏分解对原始信号进行稀疏表示,能够得到信号的简洁表达,非正交分解能够对图像这类复杂信号进行有效稀疏表示,得到研究者们的关注。冗余字典的原子具有多样性,原子在信号组成的空间中足够的密。……
登录APP查看全文
