基于重加权拉普拉斯稀疏先验的高光谱图像压缩感知方法

摘要

本发明公开了一种基于重加权拉普拉斯稀疏先验的高光谱图像压缩感知方法，用于解决现有高光谱图像压缩感知方法重建精度低的技术问题。技术方案是随机采集每个像素光谱的少量线性观测作为压缩数据，建立基于重加权拉普拉斯稀疏先验的压缩感知模型和稀疏正则化的回归模型，对所建立的模型求解。由于随机采集少量线性观测作为压缩数据，减少了图像采集过程中的资源消耗。重加权拉普拉斯稀疏先验准确刻画了高光谱图像中的强稀疏性，克服了传统拉普拉斯稀疏先验对非零元素的非均匀约束，提高了高光谱图像的重建精度。经测试，当采样率为0.15，压缩数据中存在信噪比为10db的强噪声时，本发明的峰值信噪比相对于背景技术方法提升4db以上。