摘要

针对编码孔径光谱成像技术中光谱图像重构质量不高的问题,提出一种自适应分裂Bregman迭代的光谱图像重构方法。构建光谱图像分块重构框架,引入分裂Bregman算法进行逐步迭代逼近求解。在每次迭代的过程中利用图像的估计值构造训练样本,结合改进的K奇异值分解(KSVD)字典学习算法自适应训练更新字典,在多次迭代之后重构出目标光谱图像。仿真实验通过与传统使用梯度投影稀疏重建(GPSR)、正交匹配追踪(OMP)以及两步迭代收缩阈值(TwIST)重构光谱图像的算法进行对比,结果表明利用该方法得到的光谱图像更加清晰,在峰值信噪比和结构相似性上均有明显提高。