《基於數據自表示的高光譜遙感圖像解混技術研究》是依託西安交通大學，由劉軍民擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於數據自表示的高光譜遙感圖像解混技術研究
- 項目類別：青年科學基金項目
- 項目負責人：劉軍民
- 依託單位：西安交通大學
中文摘要,結題摘要,
中文摘要
混合像元的普遍存在嚴重影響了高光譜遙感圖像在實際中的套用效果。高光譜解混技術是處理混合像元的主要手段。傳統的線性解混模型僅把像元看成是無序的數據點，並假定一種地物只對應一個端元，從而不能很好地考慮空間地理信息，且無法應對端元的可變性問題，甚至會產生虛擬端元。本項目針對當前高光譜解混技術模型和方法的局限，創新性地提出混合像元數據自表示（即以混合像元數據本身為基底）理論與方法，特別地，將研究：（1）聯合地理空間和光譜空間信息度量像元的相似性；（2）構建基於純像元假設的混合像元自表示模型，並引入群稀疏正則化項來應對端元可變性；（3）對基底加入凸性約束，從而應對虛擬端元問題，建立基於非純像元的數據自表示線性混合模型，並給出模型的求解算法。該研究不僅可以完善高光譜解混的理論基礎，也將進一步增強高光譜圖像在國民經濟和軍事領域的實際套用效果。
結題摘要
混合像元的存在嚴重製約了高光譜遙感圖像在現實中的套用。傳統方法僅把像元看成是無序的數據點，未充分考慮空間地理信息，本項目針對當前高光譜解混技術模型和方法的局限，提出了混合像元數據自表示的相關理論、算法及其擴展性套用研究，所取得的成果集中在下述幾個方面： 1. 考慮高光譜圖像的局部空間地理信息，構造其對應的拉普拉斯圖，並將其引入到協同稀疏回歸模型當中，提出了流形正則化協同稀疏回歸光譜解混模型，大量實驗證明了所提出的算法能夠較好地考慮空間地理信息，進而提升了混合像元光譜解混的精度。 2. 為了充分利用當前高解析度遙感衛星的特點，進一步提升其成像的空間解析度，並受高光譜解混理論研究的啟發，我們提出了一種局部線性空間細節注入多光譜圖像融合方法和兩種基於導向濾波的全色融合方法。這三種方法以高解析度全色圖像的空間地理細節信息為基礎，充分挖掘不同波段多光譜圖像所丟失的空間細節信息，以細節注入的方法對其進行空間信息補償。在幾種高解析度遙感圖像的實驗進一步驗證了算法的有效性。 3. 將所提出的考慮空間地理信息的思想引入到圖像表示當中。特別地，結合數據自表示理論和類驅動約束，提出一種類驅動概念分解的圖像表示方法; 結合標籤信息和流形正則化，提出了一種帶有標籤信息的流形正則化非負矩陣分解算法。數據自表示流形可以充分考慮圖像的二維空間信息，類驅動約束和標籤信息可以使同類樣本相似而異類樣本之間相差很大，四個數據集上進行聚類實驗結果表明，提出的算法具有較高的平均聚類精度和平均互信息。 4. 在理論方法，針對高維數據的維數禍根問題，我們考慮的回歸模型的充分降維問題，給出了回歸模型的方差異性檢驗和偏差估計理論，並將其套用於回歸模型的方差異性檢驗和線性變換模型的偏差推斷當中。這些理論將為後續我們在高光譜遙感圖像混合像元分解模型理論分析方面的工作提供支撐。
