摘要
本发明公开了一种高光谱与多光谱图像融合算法,步骤1:构建基于正则项约束的融合模型;步骤2:构建超图流形和低秩张量约束的多视图聚类模型;步骤3:基于多视图聚类模型进行空间和光谱流形学习;步骤4:利用学习得到的空间和光谱流形约束引入正则高光谱与多光谱图像融合模型;步骤5:采用ADMM算法求解融合问题。基于高光谱图像中低维流形结构的启发,通过考虑空间和光谱高度相关性,利用流形约束和高维特性对其内在的低维空间进行聚类,刻画高光谱图像在空间和光谱维度的低维结构,引入多视图的约束保证了关联矩阵的准确性。对待复原高光谱图像的解空间做约束,引入空间和光谱低维空间的自表达约束,使用交替方向乘子法对提出的算法进行优化。
技术关键词
图像融合算法
变量
ADMM算法
正则化参数
聚类
分辨率
误差矩阵
增广拉格朗日
多光谱
阈值方法
切片
拉普拉斯
表达式
非线性
关系
重构
视角
系统为您推荐了相关专利信息
性能优化方法
油墨
神经网络模型
聚类
可读存储介质
新型气体传感器
温度补偿方法
鲸鱼优化算法
支持向量机模型
正则化参数
信道通信方法
通信系统
编码向量
速率
下行链路多用户
情绪识别方法
情绪识别模型
语音情绪识别
计算机可读指令
语音录音数据