基于稀疏表示的高光譜圖像處理技術(shù)研究.pdf

1、隨著傳感器技術(shù)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(yuǎn)遠(yuǎn)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(lái)了兩方面的困難，一是海量數(shù)據(jù)造成存儲(chǔ)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(lái)信號(hào)處理領(lǐng)域中的研究熱點(diǎn)，已被廣泛應(yīng)用于信號(hào)和圖像處理、計(jì)算機(jī)視覺(jué)以及模式識(shí)別等領(lǐng)域。將稀疏表示理論應(yīng)用于高維高光譜圖像處理，是目前遙感信息處理領(lǐng)域的研究熱點(diǎn)之一。

2、>　　本文針對(duì)高光譜數(shù)據(jù)獲取與信息處理難題，重點(diǎn)研究了基于稀疏表示的高光譜成像、圖像分類與目標(biāo)檢測(cè)問(wèn)題，主要工作和取得的成果如下：
　　(一)首先針對(duì)高光譜數(shù)據(jù)獲取，研究了基于稀疏表示的光譜成像問(wèn)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(shí)現(xiàn)時(shí)，存在壓縮觀測(cè)矩陣非負(fù)限制問(wèn)題，針對(duì)該問(wèn)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(guò)采用雙通道觀測(cè)結(jié)構(gòu)，對(duì)每個(gè)通道得到的非負(fù)極性觀測(cè)作差

3、，從而實(shí)現(xiàn)壓縮觀測(cè)矩陣的雙極性觀測(cè)。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(shí)際物理約束不一致的問(wèn)題，更符合壓縮觀測(cè)矩陣應(yīng)具有雙極性的理論特性，能更好地保持原始信號(hào)的結(jié)構(gòu)和信息，得到更優(yōu)的恢復(fù)重構(gòu)效果。仿真實(shí)驗(yàn)驗(yàn)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(duì)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(wèn)題。在高光譜圖像光譜稀疏特性分析基礎(chǔ)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(wèn)題，在此基礎(chǔ)上重點(diǎn)針對(duì)稀疏表示使用的字典性能進(jìn)行改進(jìn)。針對(duì)常規(guī)分類方法中，由隨機(jī)抽取的訓(xùn)練樣本構(gòu)成的冗余字典，難以充分描述相似類別的相對(duì)差異性，本文提出了基于Fisher可分字典學(xué)習(xí)(Fisher Discriminative Dictionary Learning，F(xiàn)DDL)的高光譜圖像分類方法。該方法通過(guò)在字典學(xué)習(xí)過(guò)程中增大類間間隔，并對(duì)每類樣本分別進(jìn)行學(xué)習(xí)得到各自的結(jié)構(gòu)化字典而非共享字典，同時(shí)兼顧字典學(xué)習(xí)

5、過(guò)程中的稀疏性，使它具有更強(qiáng)的類別可分性和重構(gòu)性。實(shí)際數(shù)據(jù)的分類實(shí)驗(yàn)結(jié)果驗(yàn)證了對(duì)于相似類別的分類問(wèn)題，該方法能得到更優(yōu)的分類性能。
　　(三)最后，進(jìn)一步研究了基于稀疏表示的高光譜目標(biāo)檢測(cè)問(wèn)題。在高光譜圖像空-譜域聯(lián)合稀疏性分析基礎(chǔ)上，針對(duì)高光譜目標(biāo)檢測(cè)特別是軍事領(lǐng)域，目標(biāo)先驗(yàn)信息難以獲取，無(wú)法構(gòu)建有效的稀疏表示字典的問(wèn)題，在深入分析目標(biāo)和背景在空-譜域局部字典稀疏性差異的基礎(chǔ)上，提出了一種基于空-譜域局部稀疏性差異的目標(biāo)檢測(cè)方法