《壓縮感知域高光譜圖像稀疏解混方法研究》是依託南京航空航天大學，由孔繁鏘擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：壓縮感知域高光譜圖像稀疏解混方法研究
- 項目類別：青年科學基金項目
- 項目負責人：孔繁鏘
- 依託單位：南京航空航天大學
項目摘要,結題摘要,
項目摘要
高光譜解混是高光譜遙感圖像分類、地物識別、異常目標檢測等後續分析和定量化套用的關鍵。現有的解混方法均針對奈奎斯特採樣域的高光譜數據，而對於以壓縮感知（CS）理論為基礎的高光譜壓縮成像技術所獲取的CS域高光譜壓縮成像數據進行解混，則必須先對壓縮成像數據進行重構後再進行解混，導致處理效率低、計算量大，而且重構的高光譜重建數據存在重構誤差問題影響解混處理的精度，因此有必要研究新的CS域高光譜壓縮成像數據解混方法。本項目將針對高光譜壓縮成像數據特性，通過建立CS域高光譜圖像稀疏解混模型，直接從壓縮成像數據和給定光譜庫中求解端元光譜和豐度係數，以獲得更高精度的解混性能，包括：（1）CS域高光譜數據降維方法；（2）基於分層後退型正交匹配跟蹤的端元提取；（3）基於非線性自適應方向提升稀疏表示的豐度估計算法。項目最終實現高精度CS域高光譜圖像解混方法，為高光譜信息處理的發展和定量遙感套用提供理論基礎和技術支撐。
結題摘要
本項目分析了高光譜壓縮成像數據的特性，並設計了低複雜度的壓縮感知域高光譜稀疏解混模型，該模型包含端元提取模型和豐度估計模型；針對已知光譜庫中的光譜曲線數遠大於實際端元個數，採用貪婪疊代的方式提取光譜庫的端元作為豐度估計的端元子集，提出了基於貪婪算法的高光譜圖像稀疏解混方法，並設計了快速最佳化求解方法，具有解混精度高、重構效果好、耗時短、效率高的優點；針對高光譜圖像數據的豐度係數存在行稀疏特性和空間相關特性，提出了聯合稀疏貝葉斯學習、非凸稀疏低秩約束、非凸l2,q-l2,p約束等豐度估計極小化模型，有效提高了高光譜豐度係數的重構精度。在本項目的資助下，在國內外期刊和國際會議上發表論文14篇，錄用1篇，申請國家發明專利2項。
