基于壓縮感知的高光譜圖像重構(gòu).pdf_第1頁
已閱讀1頁,還剩80頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、高光譜圖像由成像光譜儀在幾百個相鄰的窄波段內(nèi)同時對地物進行成像所得。多個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,龐大的信息帶來了嚴峻挑戰(zhàn)。傳統(tǒng)的壓縮方法采用奈奎斯特采樣速率對數(shù)據(jù)進行采樣,然后再壓縮傳輸。這種高冗余采樣再壓縮的過程造成極大的資源浪費,同時也增加了運算復(fù)雜度,因此并不適合低功耗、資源有限的機載或星載應(yīng)用。壓縮感知作為一種新穎的信號獲

2、取理論,融合了傳統(tǒng)的采樣與壓縮過程,以遠低于奈奎斯特采樣率的方式直接獲取測量數(shù)據(jù),降低了采樣成本,減少了存儲資源。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)和先驗的基礎(chǔ)上建立重構(gòu)模型,這些先驗約束確保了解的最優(yōu)性。因此,對于高光譜圖像壓縮感知重建問題來說,應(yīng)該在充分了解高光譜性質(zhì)的基礎(chǔ)上進行算法研究。
  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。該模型通過低秩項來約束波段間的相關(guān)性,稀疏項則表示了各波段的差異。通過實驗結(jié)果分析對比,驗證了該算法對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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論