《面向高光譜遙感成像的空譜三維壓縮感知方法研究》是依託中國人民解放軍國防科技大學，由嚴奉霞擔任項目負責人的面上項目。
基本介紹
- 中文名：面向高光譜遙感成像的空譜三維壓縮感知方法研究
- 項目類別：面上項目
- 項目負責人：嚴奉霞
- 依託單位：中國人民解放軍國防科技大學
中文摘要,結題摘要,
中文摘要
建立在Shannon採樣定理基礎之上的現有高光譜遙感成像系統存在信息獲取能力和效率不足、數據量大等問題。基於壓縮感知的新型成像方法為解決上述問題提供了新思路。但高光譜遙感成像屬多維信息獲取問題，其更高的數據維數使得相應的稀疏表示問題、投影測量系統及重構問題都變得更加複雜，現有的壓縮感知理論不能滿足套用需求。本項目針對上述問題，從高光譜遙感圖像數據特性出發，研究高光譜圖像數據的三維稀疏性度量，在此基礎上基於空譜相關性設計結構化投影測量矩陣，並建立空譜稀疏約束下的序列圖像重構模型和算法，最後結合可重構條件理論和數值模擬對成像性能進行分析。以此建立面向高光譜遙感成像的空譜壓縮感知方法框架，在空譜三維稀疏表示、結構化投影測量矩陣設計、基於空譜稀疏約束的序列圖像重構模型等幾個方面取得創新。項目成果將為壓縮感知理論在高光譜遙感成像中的套用提供科學方法，促進壓縮感知多維信息獲取理論的發展。
結題摘要
本項目圍繞高光譜遙感成像的空譜三維壓縮感知相關問題，對高光譜遙感圖像的稀疏表示、基於空譜結構的投影測量矩陣設計、基於空譜稀疏約束的光譜圖像重構模型和算法、系統性能分析及測量矩陣的物理實現等進行了系統深入的研究。在深刻把握高光譜壓縮成像研究現狀及套用需求的基礎上，將理論推導和數值仿真分析相結合，取得了如下研究成果：（i）研究提出了適合遙感成像的稀疏表示模型 研究了適合星載遙感成像的稀疏表示模型。結論：在基於調和分析的稀疏表示方法方面：DCT、小波變換和複數小波稀疏表示方法均能滿足各種特性典型遙感圖像的稀疏表示。在數據驅動的稀疏表示方法方面：（1）訓練得到的字典能反映對應場景圖像的特性，利用最佳化字典對原圖進行表示，其結果優於傳統基於調和變換的稀疏表示方法；（2）細節信息豐富的圖像訓練得到的最佳化字典對各類性質的場景稀疏表示的精度優於均勻場景下的相應結果。 （ii）在基於壓縮成像的測量矩陣設計方面 提出了兩種基於矩陣分解最佳化測量矩陣的算法。對於結構性隨機矩陣，基於矩陣分解的兩種不同最佳化算法均有很好的改進效果；對於完全隨機矩陣，最佳化測量矩陣的重構性能有所提升；其次，研究了編碼矩陣對壓縮高光譜成像的影響：（1）從理論上方面推導證明了壓縮光譜成像系統的可行性。（2） 完全隨機矩陣和部分正交矩陣的性能相似，在高光譜數據立方體的重構過程中，表現更好。（3）將最佳化測量矩陣套用於光譜壓縮成像過程，發現基於結構化隨機矩陣的重構效果提升最明顯。 （iii）在空譜三維高光譜壓縮成像的重構模型與算法方面：提出了基於CASSI系統的壓縮採樣數據解混模型。將壓縮採樣模型與光譜線性解混模型相結合，能同時解決重構和解混問題。提出了一個新的超分辨 CASSI 系統。通過將原始 CASSI 系統的編碼模板替換為一個解析度更高的模板，可使得整個系統具有超分辨能力。新系統將重構圖像的信噪比提升了 約10個db 。提出了利用計算複雜度低、穩健性好的嶺估計方法重構圖像。針對重構模型中的病態問題，在改進的成像系統上加入圖像的稀疏表示過程，達到了抑制病態的效果。 課題研究形成了關於高光譜遙感壓縮成像的理論、方法和實現等一系列理論成果和技術，研究成果進一步完善了高光譜壓縮成像理論，並為壓縮感知在高光譜遙感成像中的實際套用及物理系 的構建提供了有力支撐。
