基於空譜聯合稀疏性的高光譜解混理論與算法

《基於空譜聯合稀疏性的高光譜解混理論與算法》是依託南京理工大學，由吳澤彬擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於空譜聯合稀疏性的高光譜解混理論與算法
• 項目類別：青年科學基金項目
• 項目負責人：吳澤彬
• 依託單位：南京理工大學

項目摘要

高光譜解混是高光譜遙感圖像分類、目標識別、異常檢測、解析度增強等後續分析和定量化套用的關鍵。高光譜解混問題具有不適定性，可以利用正則化理論框架來解決，其效果在很大程度上取決於先驗信息的選取。現有的高光譜解混方法主要利用豐度係數的和為一性和非負性先驗來設計解混模型，其精確性和算法的穩定性有待提高。本項目研究基於空譜聯合稀疏性的高光譜解混理論與算法，主要內容包括：聯合空間維和光譜維信息充分挖掘高光譜圖像的稀疏性先驗，研究稀疏性約束的高光譜解混模型，提出面向實時套用的高光譜解混分散式並行最佳化算法。項目形成一套基於空譜聯合稀疏性的高光譜解混新方法，為提高高光譜遙感信息處理和定量解譯的精度奠定基礎，並將推動高光譜遙感在對地觀測、深空探測領域的實際套用，具有十分廣闊的套用前景。

結題摘要

高光譜解混是遙感信息處理領域的研究熱點。由於高光譜成像儀的空間解析度限制和觀測場景的複雜多樣性，高光譜遙感圖像存在混合像元現象，對目標分類識別等後續處理和定量化套用的精度產生很大的影響。本項目首先基於信號壓縮感知和稀疏表示理論，聯合空間維和光譜維信息深入分析高光譜圖像的結構化稀疏性先驗，創新性地提出了l1-l2聯合稀疏性約束的非負矩陣分解解混模型、基於疊代加權l1的稀疏性解混方法、基於光譜庫的l1/2正則化稀疏回歸解混模型和算法，有效提高了高光譜解混的精度和穩定性。其次，針對海量高光譜數據高效處理套用需求，結合CPU-GPU異構混合執行模式，充分利用CPU的邏輯控制能力和GPU 的緊密度高性能並行計算能力，設計了多層次的存儲與I/O最佳化策略，基於CUDA架構建立通用並行映射模型和合理數據劃分，設計實現了高光譜圖像稀疏性解混的高效並行最佳化算法，有效提升了數據處理效率。同時，本項目將稀疏性高光譜解混研究成果拓展套用於高光譜圖像分類中，提出了一系列聯合空譜上下文信息的高光譜圖像稀疏性分類方法。項目最終形成了一套基於空譜聯合稀疏性的高光譜圖像解混新方法，開發了相應的軟體系統，並利用實際高光譜數據實驗驗證了項目研究成果的有效性。相關成果在環境監測、農業生產、地質勘探、軍事探測、城市規劃等領域具有廣闊的套用前景。