《基於高光譜數據的抗噪廣義模型及解混算法研究》是依託湖州師範學院，由李春芝擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於高光譜數據的抗噪廣義模型及解混算法研究
- 項目類別：青年科學基金項目
- 項目負責人：李春芝
- 依託單位：湖州師範學院
項目摘要,結題摘要,
項目摘要
混合像元解混是高光譜數據處理的關鍵技術。傳統的解混模型忽略了乘性噪聲及混合噪聲，且線性解混模型忽略了端元之間非線性作用。本項目通過抗噪模型及算法研究解決解混過程中多種噪聲干擾，線上性抗噪模型基礎上考慮非線性作用，並構建字典獲得合適的初始值，提高解混結果精確性、穩定性。.研究內容：（1）改進傳統的混合像元解混算法，提取端元，設計端元字典庫；（2）研究噪聲評估算法，構造抗噪分離度準則；分析抗噪線性模型誤差與非線性項的關係，對圖像進行聚類分析，根據馬爾科夫隨機場理論檢測非線性項，構建抗噪廣義解混模型；（3）研究壓縮感知理論及稀疏重建算法，提出解決抗噪廣義模型的快速解混算法；實驗驗證本項目研究成果，並結合實地考察數據評價其實效性。.本項目將為混合像元分解提供新的解混模型及算法，研究成果可以直接套用於遙感圖像分類、解譯。此外，處理噪聲的研究將為醫學圖像、雷達遙感圖像及視頻監控等處理提供新思路。
結題摘要
由於高光譜數據的混合像元解混是個不適定問題，且高光譜數據成像過程中受到外界多種環境因素干擾，在高光譜數據的海量信息中提取有效信息提高混合像元解混結果精確性及穩定性面臨著諸多挑戰。本項目組針對複雜的成像機制帶來的多樣化噪聲、非線性因素使得解混結果更加不精確、不穩定問題，我們分析線性抗噪解混模型的信號重構誤差，解決解混過程中的非線性影響；評估高光譜圖像中多種噪聲，構造有別於常用的歐幾里德距離的分離度準則，構建廣義抗噪解混模型，抑制多種噪聲對解混結果的干擾，同時考慮非線性因素導致的誤差。在基於本項目構建的新模型基礎上，我們提出了新的解混算法。本課題理論貢獻在於：(1)所提出的解混算法能夠適用於不同感測器拍攝的高光譜數據的解混問題；(2)通過改進的解混算法求得的端元字典保證了初始值的選擇，降低了解混結果對初始值依賴性，且Block Coordinate Descent算法保證了疊代效率；（3）雖然壓縮感知理論已經被廣泛套用於混合像元解混領域，但壓縮感知問題求解是NP-hard的，且高光譜數據中端元譜線與地面實測譜線之間的差異性導致了壓縮感知算法求得的結果誤差較大。本項目組利用高光譜數據提取字典，由壓縮感知及稀疏重建理論設計解混算法，避免了上述問題。項目研究成果將直接促進定量遙感技術的發展。特別地，在軍事領域，本項目“同譜異物、同物異譜”的研究成果可以實現輔助偽裝規劃，使得我方目標更好地與“背景”融合，達到隱真示假目的。此外，項目研究成果可以推廣到視頻理解、環境監測、醫學圖像處理、海洋探測等領域。在項目資助下，項目組在計算機領域較有影響力的期刊上發表科研論文5篇，獲得授權的發明專利8項。在本項目研究成果輻射下，項目負責人入選“湖州市1112人才工程培養人選後備人選”，項目組成員獲得浙江省自然科學基金2項，湖州市科技計畫項目一項，項目組培養2名青年教師晉升為副教授，畢業博士生2名。
