《基於線性規劃感知的壓縮高光譜遙感圖像快速重建》是依託武漢大學，由石文軒擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於線性規劃感知的壓縮高光譜遙感圖像快速重建
- 項目類別：青年科學基金項目
- 項目負責人：石文軒
- 依託單位：武漢大學
項目摘要,結題摘要,
項目摘要
隨著高光譜遙感圖像的譜段數量和採集速率不斷提高，如何通過探索新的編碼技術減輕圖像採集端的負荷以及新的解碼技術對圖像進行快速重建，受到了研究者的關注。我們的前期工作發現，壓縮感知理論為高光譜遙感圖像的快速壓縮帶來了重大突破，但是該類圖像的重建一直沒有一種既快速又精確的方法。本項目以遙感高光譜圖像為研究對象，項目的主要研究內容包括（1）利用譜段之間的預測殘差比圖像本身在變換域下更稀疏的特點，對譜段之間的預測殘差建立數學重建模型。（2）研究線性規劃與二次規劃之間的等價關係，綜合線性規劃重建精度高和二次規劃重建速度快的優勢，將預測殘差線性規劃的重建問題轉換為等價的二次規劃重建問題。（3）聯合相位相關和仿射變換方法進行各譜段圖像配準，解決因軌道偏移等因素引起的像元匹配誤差。本項目就是研究如何利用這種方法快速重建並配準所有譜段的遙感圖像，提高圖像的利用價值，從而為高光譜遙感圖像的後續套用奠定基礎。
結題摘要
壓縮高光譜圖像重建在高光譜圖像處理中扮演著非常重要的作用，這種圖像重建著眼於減小高光譜圖像的傳輸代價，並從少量壓縮數據中重建原始的高光譜圖像。基於壓縮感知的方法為高光譜圖像重建提供了一條新的途徑，然而這種重建方法是一個病態的線性逆問題，需要先驗知識作為約束條件。為了最大程度地利用先驗知識，本項目提出了一種塊低秩三維帶權全變分重建算法。首先，考慮到高光譜圖像在空域和譜域都有分片平滑的結構，我們調整了三個維度上的全變分權值。其次，在重建算法中採用了低秩正則。為了解決低秩正則項導致的不同物質光譜曲線變得相似的問題，我們在空間上將高光譜圖像分解為不重疊的圖像塊，並對這些圖像塊分別使用低秩約束。最後，考慮到含有不同材料元素的圖像塊比一般平滑的圖像塊具有更高的秩，我們使用原始圖像1%的像素來確認這些圖像塊是否使用低秩約束。我們使用快速疊代閾值收縮算法來求解重建問題。另外，我們研究了線性規劃與二次規劃之間的等價關係，綜合線性規劃重建精度高和二次規劃重建速度快的優勢，將線性規劃的重建問題轉換為等價的二次規劃重建問題。考慮到重建後的高光譜圖像某些波段會變模糊，基於結構相似度和主成分分析，我們提出了基於非局域稀疏正則的圖像去模糊方法，該方法採用結構相似度距離和主成分分析子空間歐式距離來提高去模糊後的圖像質量。重建圖像質量在2%以上壓縮率的情況下，均超過35dB的重建質量，取得了令人滿意的結果，該成果能用於頻寬有限情況下的高光譜圖像數據傳輸問題，項目中研究的各種最佳化算法也可對其它病態問題的求解具有借鑑價值。
