壓縮感知域高光譜數據高效壓縮方法研究

《壓縮感知域高光譜數據高效壓縮方法研究》是依託西安電子科技大學，由王柯儼擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：壓縮感知域高光譜數據高效壓縮方法研究
• 項目類別：青年科學基金項目
• 項目負責人：王柯儼
• 依託單位：西安電子科技大學

中文摘要

以壓縮感知(CS)為理論基礎的高光譜壓縮成像技術突破了現有技術對解析度的限制騙恥紙希，在某些套用場合下滿足高解析度套用要求，成為近年來高光譜遙感領域的研究熱點之一。但是高光譜壓縮成像的數據量仍然很大，不能滿足數據傳輸速率的要求，必須進行壓縮。儘管壓縮成像數據存在較大冗餘，但現有的高光譜圖像壓縮方法不適用於CS域的壓縮成像數據，需要研究新的CS域數據壓縮方法。基於此，本項目針對高光譜壓縮成像數據的特性，研究基轎殼己於混合光譜分解的高效壓縮方法。通過研究CS域線性混合光譜分解模型及其快速最佳化求解方法，將高光譜成像數據分解為端元光譜數據和豐度圖像數據；通過有效的去相關和上下文建模，對端元光譜數據和豐度圖像數據進行無損壓縮；通過分析CS域估計誤差與重構圖像失真和分類精度的相關性，對估計誤差進行最優量化。該方法可以獲得與傳統方式相接近的壓縮比，並具有更優的恢復圖像質量，同時保持較高的分類精度。

結題摘要

本項目分析局坑墓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成像方法；針對悼才霉判混合光譜分解問題，將壓縮感知與線性解混相結合，提出了基於領域光譜加權的高光譜圖像稀疏解混方法，並設計了快速最佳化求敬局訂解方法鍵歡，具有解混精度高、重構效果好、耗時短、效率高的優點；研究了高光譜圖像數據的高效無損和有損壓縮方法，重點解決了高效預測、分類譜間變換、低複雜度譜段配準、聯合碼率分配和碼率控制、分散式編碼等問題，有效改善了壓縮性能；分析了高光譜圖像有損壓縮對光譜失真和地物分類套用的影響，為估計誤差和分類精度的相關性模型的建立奠定基礎，並為算法最佳化和性能改善提供依據。在本項目的資助下，出版英文書籍章節1章，在國內外期刊和國際會議上發表論文10篇，錄用1篇，申請國家發明專利7項，其中授權4項。項目研究成果將在我國首次火星探測工程中堡宙厚得到套用。