基于稀疏表示的高光譜圖像處理技術研究.pdf

1、隨著傳感器技術的發(fā)展，高光譜圖像數(shù)據(jù)的光譜分辨率和空間分辨率不斷提高，高光譜圖像數(shù)據(jù)的獲取能力已經(jīng)遠遠超出了數(shù)據(jù)處理的能力。數(shù)據(jù)獲取和信息處理能力的差距帶來了兩方面的困難，一是海量數(shù)據(jù)造成存儲與傳輸?shù)木薮罄щy；二是如何從海量的數(shù)據(jù)中提取出有用的信息。稀疏表示理論是近年來信號處理領域中的研究熱點，已被廣泛應用于信號和圖像處理、計算機視覺以及模式識別等領域。將稀疏表示理論應用于高維高光譜圖像處理，是目前遙感信息處理領域的研究熱點之一。

2、>　　本文針對高光譜數(shù)據(jù)獲取與信息處理難題，重點研究了基于稀疏表示的高光譜成像、圖像分類與目標檢測問題，主要工作和取得的成果如下：
　　(一)首先針對高光譜數(shù)據(jù)獲取，研究了基于稀疏表示的光譜成像問題。壓縮編碼孔徑是目前典型的基于稀疏表示的光譜成像方案，該方案在具體物理實現(xiàn)時，存在壓縮觀測矩陣非負限制問題，針對該問題，本文提出了基于稀疏表示的高光譜雙極性壓縮光譜成像方案。該方案通過采用雙通道觀測結構，對每個通道得到的非負極性觀測作差

3、，從而實現(xiàn)壓縮觀測矩陣的雙極性觀測。與傳統(tǒng)壓縮編碼孔徑成像方案相比，本文方案解決了壓縮成像理論與實際物理約束不一致的問題，更符合壓縮觀測矩陣應具有雙極性的理論特性，能更好地保持原始信號的結構和信息，得到更優(yōu)的恢復重構效果。仿真實驗驗證了本文基于稀疏表示的高光譜雙極性壓縮光譜成像方案的有效性。
　　(二)接著針對高光譜信息提取，研究了基于稀疏表示的高光譜圖像分類問題。在高光譜圖像光譜稀疏特性分析基礎上，研究了基于稀疏表示的高光譜圖像

4、分類的稀疏表示與分類判決問題，在此基礎上重點針對稀疏表示使用的字典性能進行改進。針對常規(guī)分類方法中，由隨機抽取的訓練樣本構成的冗余字典，難以充分描述相似類別的相對差異性，本文提出了基于Fisher可分字典學習(Fisher Discriminative Dictionary Learning，F(xiàn)DDL)的高光譜圖像分類方法。該方法通過在字典學習過程中增大類間間隔，并對每類樣本分別進行學習得到各自的結構化字典而非共享字典，同時兼顧字典學習

5、過程中的稀疏性，使它具有更強的類別可分性和重構性。實際數(shù)據(jù)的分類實驗結果驗證了對于相似類別的分類問題，該方法能得到更優(yōu)的分類性能。
　　(三)最后，進一步研究了基于稀疏表示的高光譜目標檢測問題。在高光譜圖像空-譜域聯(lián)合稀疏性分析基礎上，針對高光譜目標檢測特別是軍事領域，目標先驗信息難以獲取，無法構建有效的稀疏表示字典的問題，在深入分析目標和背景在空-譜域局部字典稀疏性差異的基礎上，提出了一種基于空-譜域局部稀疏性差異的目標檢測方法