高光譜圖像壓縮采樣研究.pdf

1、近年來，在環(huán)境監(jiān)測、地質(zhì)、農(nóng)業(yè)、醫(yī)學和軍事等領(lǐng)域，傳統(tǒng)的全色和彩色圖像已經(jīng)遠遠不能滿足人們的需求，各類高光譜成像技術(shù)已被廣泛應(yīng)用。在高光譜成像裝置中，傳感器探測到目標對上百個不同波長的反射或者輻射強度，從而形成上百個連續(xù)譜帶組成的光譜圖像。高光譜圖像被定義為二維空間域和一維頻譜域組成的三維立體數(shù)據(jù)。
　　 盡管高光譜成像極具民用和軍用潛力，但由于高光譜圖像是一種三維圖像數(shù)據(jù)，其數(shù)據(jù)量非常龐大。特別是當高光譜圖像的譜間分辨率提高時

2、，會導致圖像數(shù)據(jù)量的急劇增加。如一景典型的高光譜AVIRIS圖像，由波長范圍380nm-2500nm的224個譜帶組成，每個譜帶的空間分辨率為614×512像素，每像素表示為16比特，其數(shù)據(jù)量達到140MB/景。由于高光譜圖像的數(shù)據(jù)量非常大，為了保證海量高光譜圖像的高效采樣、傳輸和存儲，其高質(zhì)量的圖像壓縮采樣編碼已成為重要的關(guān)鍵技術(shù)之一。
　　 經(jīng)過壓縮，大量的非重要的數(shù)據(jù)被拋棄，這種采樣后再壓縮的過程導致了系統(tǒng)復雜性的增加，在

3、采樣速率很高的情況下，A/D轉(zhuǎn)換器的實現(xiàn)成為瓶頸。于是很自然地引出一個問題：能否利用其它變換空間描述信號，建立新的信號描述和處理的理論框架，使得在保證信息不損失的情況下，用遠低于奈奎斯特采樣定理要求的速率采樣信號，同時又可以完全恢復信號?即能否將對信號的采樣轉(zhuǎn)變成對信息的采樣?
　　 近幾年來出現(xiàn)了一種新穎的理論——壓縮感知(Compressive Sensing)，在該理論框架下，采樣速率不決定于信號的帶寬，而決定于信號中信息

4、的結(jié)構(gòu)和內(nèi)容。在壓縮感知理論中，圖像信號的采樣和壓縮同時以低速率進行，使傳感器的采樣和計算成本大大降低，而信號的恢復過程是一個優(yōu)化計算的過程。
　　 因為高光譜圖像信號具有可壓縮性，只要能找到其相應(yīng)的稀疏表示空間，就可以用一個與變換基不相關(guān)的觀測矩陣將變換所得高維信號投影到一個低維空間上，有效地進行壓縮采樣，從而在一定光譜分辨率條件下降低相機的實現(xiàn)難度，或在現(xiàn)有技術(shù)條件下大幅提高光譜分辨率；然后通過求解優(yōu)化問題就可以從這些少量的

5、投影中以高概率重構(gòu)出原信號，可以證明這樣的投影包含了重構(gòu)信號的足夠信息。
　　 本文針對上述問題，主要研究了可壓縮信號稀疏程度對于重構(gòu)誤差的影響，研究了壓縮采樣信號量化噪聲和隨機加性噪聲對于重構(gòu)誤差的影響；比較了基追蹤法、正交匹配追蹤法，LASSO法和貝葉斯方法等壓縮感知優(yōu)化重構(gòu)算法的性能；本文針對高光譜圖像的特性，提出了一種利用高光譜圖像壓縮采樣值的譜帶分組方法，提出了一種適合高光譜圖像壓縮采樣的模型和重構(gòu)方法，該算法能夠有效