《表示模型框架下高光譜遙感影像分類若干技術研究》是依託北京化工大學，由李偉擔任項目負責人的面上項目。
基本介紹
- 中文名：表示模型框架下高光譜遙感影像分類若干技術研究
- 依託單位：北京化工大學
- 項目類別：面上項目
- 項目負責人：李偉
項目摘要,結題摘要,
項目摘要
稀疏表示理論用較少的數據量描述影像中的特徵信息並捕捉不同地物之間光譜曲線的差異性，在高光譜遙感影像分類中受到越來越多的關注。隨著研究的不斷深入，稀疏表示在高光譜數據分析中的套用逐漸暴露了它的缺陷：由於稀疏表示過於強調L1範數約束項，忽略了數據間協作表示的重要性；同時，在分類的過程中，不能較好的反映數據集的內在分布結構，無法充分滿足約束表示係數具有小的類內方差和大的類間方差等需求。本項目結合高光譜影像全局結構特徵和局部紋理特徵，提出基於特徵空間的稀疏表示和協作表示相結合、競爭與協作關係共存的分類相關理論和技術。主要內容包括：（1）研究高光譜遙感影像的空間紋理特徵提取方法；（2）構建結構化表示模型分類器；（3）提出一種多約束條件的表示模型分類方法；（4）開展基於重構殘差融合的表示模型多分類集成研究。本項目成果將有力地推動高光譜遙感影像處理分析的基礎理論研究的發展，促進高光譜遙感套用的深入。
結題摘要
近年來高光譜數據獲取能力大幅提高，而其分析處理技術的發展卻相對滯後，其中分類技術作為高光譜圖像處理與信息提取過程中的關鍵環節，一直是國際前沿性的研究熱點。項目針對稀疏表示理論在高光譜數據分析中暴露的缺陷開展理論研究，結合高光譜影像全局結構特徵和局部紋理特徵，提出基於特徵空間的稀疏表示和協作表示相結合、競爭與協作關係共存的分類相關理論和技術。主要內容包括：（1）研究高光譜遙感影像的空間紋理特徵提取方法；（2）構建結構化表示模型分類器；（3）提出一種多約束條件的表示模型分類方法；（4）開展基於重構殘差融合的表示模型多分類集成研究。項目完成了相關模型的建立和關鍵算法的研究，基於典型區域的真實數據進行了上述特徵提取算法和分類模型的驗證。結果表明，所提出的表示模型框架的分類方法可以實現地物目標的精細分類識別，為我國高光譜遙感對地協同觀測任務重大專項任務提供了關鍵技術支撐。 完成了系列高光譜圖像分類相關模型的建立和關鍵算法的研究，發表國際學術SCI收錄期刊32篇，其中第一/通信作者論文25篇，發表EI收錄的會議論文9篇，2篇國際會議論文獲傑出論文獎。擔任國際核心期刊IEEE JSTARS和IEEE SPL編委，並獲得IEEE JSTARS 2015最佳審稿人獎，入選2017年北京市科技新星計畫，以及2019年國家自然科學基金優秀青年科學基金資助。 在項目執行期內，共培養碩士研究生27名，其中畢業20名，在讀7名；培養博士研究生2名，其中畢業1名，在讀1名，均獲得國家留學基金委(CSC)公派留學資格；在畢業的碩士生中，獲得優秀畢業生2名，優秀畢業論文4名，碩士生獲國家獎學金4次，博士生獲國家獎學金2次，其中一名博士獲得北京化工大學校長獎學金，為北京化學工大學信息科學與技術學院首次（目前唯一一名）獲得此榮譽的在讀博士研究生；項目資助碩士生出國（美國、西班牙、日本等）參加國際會議並開展學術交流總計8名。此外，成功指導課題組博士後出站1名和課題組年輕教師晉升副教授1名。
