基于壓縮感知的高光譜圖像重構(gòu).pdf

1、高光譜圖像由成像光譜儀在幾百個(gè)相鄰的窄波段內(nèi)同時(shí)對(duì)地物進(jìn)行成像所得。多個(gè)波段的圖像形成三維的數(shù)據(jù)立方體，其中包含了二維的空間信息和一維光譜信息?？臻g和波段方向的高分辨特性使得高光譜圖像具有很大的數(shù)據(jù)維度，龐大的信息帶來(lái)了嚴(yán)峻挑戰(zhàn)。傳統(tǒng)的壓縮方法采用奈奎斯特采樣速率對(duì)數(shù)據(jù)進(jìn)行采樣，然后再壓縮傳輸。這種高冗余采樣再壓縮的過(guò)程造成極大的資源浪費(fèi)，同時(shí)也增加了運(yùn)算復(fù)雜度，因此并不適合低功耗、資源有限的機(jī)載或星載應(yīng)用。壓縮感知作為一種新穎的信號(hào)獲

2、取理論，融合了傳統(tǒng)的采樣與壓縮過(guò)程，以遠(yuǎn)低于奈奎斯特采樣率的方式直接獲取測(cè)量數(shù)據(jù)，降低了采樣成本，減少了存儲(chǔ)資源。壓縮感知的思想是在充分挖掘原數(shù)據(jù)所具有的性質(zhì)和先驗(yàn)的基礎(chǔ)上建立重構(gòu)模型，這些先驗(yàn)約束確保了解的最優(yōu)性。因此，對(duì)于高光譜圖像壓縮感知重建問(wèn)題來(lái)說(shuō)，應(yīng)該在充分了解高光譜性質(zhì)的基礎(chǔ)上進(jìn)行算法研究。
　　本研究主要內(nèi)容包括：⑴研究了低秩稀疏分解模型對(duì)高光譜圖像壓縮重建性能的提高。本文分析了高光譜圖像不同波段間存在著較強(qiáng)的相關(guān)性

3、，以低秩矩陣恢復(fù)理論為背景，提出基于低秩稀疏分解的重建模型。該模型通過(guò)低秩項(xiàng)來(lái)約束波段間的相關(guān)性，稀疏項(xiàng)則表示了各波段的差異。通過(guò)實(shí)驗(yàn)結(jié)果分析對(duì)比，驗(yàn)證了該算法對(duì)重建信噪比的提高作用。⑵研究了高光譜圖像的非局部特性，提出基于非局部全變差的低秩稀疏重建模型。與普通的自然圖像相比，高光譜圖像具有豐富的紋理結(jié)構(gòu)和較多的邊緣，傳統(tǒng)的TV重建容易導(dǎo)致邊緣模糊，細(xì)節(jié)的重建效果不理想。本文在考慮了高光譜圖像非局部結(jié)構(gòu)特性的基礎(chǔ)上，提出基于非局部 TV