基于壓縮感知的植物高光譜數(shù)據(jù)重構(gòu)算法研究.pdf

1、高光譜數(shù)據(jù)由于能夠獲得連續(xù)波長(zhǎng)上的光譜信息，可以通過精細(xì)的光譜分析和信息提取獲得傳統(tǒng)多光譜遙感信息無法表現(xiàn)的信息。而這一特點(diǎn)使高光譜數(shù)據(jù)在植物生理生化參數(shù)反演等方面表現(xiàn)出顯著的優(yōu)勢(shì)。隨著植物高光譜技術(shù)的發(fā)展，在數(shù)據(jù)獲取、傳輸、分析等過程中數(shù)據(jù)量的大幅增加對(duì)傳統(tǒng)的數(shù)據(jù)采集壓縮等技術(shù)提出挑戰(zhàn)。
　　本課題圍繞建立一種對(duì)植物高光譜數(shù)據(jù)進(jìn)行有效壓縮和重構(gòu)的方法，在提高數(shù)據(jù)的儲(chǔ)存、傳輸效率同時(shí)能夠保持光譜信息對(duì)于植物光譜分析應(yīng)用的需求展開研

2、究。本課題主要研究?jī)?nèi)容如下：
　?。?）對(duì)植物高光譜技術(shù)的發(fā)展以及研究中存在的難點(diǎn)做了介紹，將壓縮感知技術(shù)引入植物高光譜數(shù)據(jù)的壓縮和重構(gòu)，首先通過PROSPECT模型數(shù)據(jù)進(jìn)行了壓縮感知重構(gòu)對(duì)于植物生理生化參數(shù)解譯能力的研究，然后提出了面向植物光譜特征的分布式壓縮感知并通過實(shí)際數(shù)據(jù)試驗(yàn)進(jìn)行了算法有效性研究；
　　（2）通過國內(nèi)外最廣泛使用的PROSPECT模型產(chǎn)生仿真的植物葉片反射率數(shù)據(jù)，采用不同采樣率對(duì)植物光譜進(jìn)行壓縮重構(gòu)試

3、驗(yàn)，以含水量、類胡蘿卜素和葉綠素含量等植物關(guān)鍵生理生化參數(shù)為反演目標(biāo)，分別在原始光譜、光譜指數(shù)和反演模型3個(gè)層面討論了信號(hào)壓縮重構(gòu)的效果和影響。試驗(yàn)結(jié)果分析中，引入了歸一化均方根誤差作為評(píng)價(jià)指標(biāo)，研究了原始光譜重構(gòu)誤差與采樣率的變化規(guī)律，分析了不同光譜指數(shù)對(duì)采樣率的敏感程度。根據(jù)對(duì)應(yīng)的光譜指數(shù)和生理生化參數(shù)構(gòu)建偏最小二乘回歸反演模型，研究了反演模型重構(gòu)的誤差與采樣率的關(guān)系，試驗(yàn)結(jié)果表明壓縮感知能夠有效的保持植物的光譜信息；
　　（

4、3）通過分析實(shí)際高光譜數(shù)據(jù)波段之間相關(guān)性，建立了植物高光譜聯(lián)合稀疏模型，進(jìn)而使用分布式壓縮感知對(duì)植物高光譜數(shù)據(jù)進(jìn)行壓縮重構(gòu)，試驗(yàn)的結(jié)果表明分布式壓縮感知較經(jīng)典的正交匹配追蹤（OMP）和梯度投影重構(gòu)（GPSR）算法的重構(gòu)峰值信噪比（PSNR）和算法效率均有顯著提升；
　?。?）提出了基于光譜自適應(yīng)分組的分布式壓縮感知，通過引入PSNR作為自適應(yīng)分組閾值，研究了不同閾值分組效果以及不同閾值下的重構(gòu)效果，結(jié)果表明重構(gòu)的PNSR有明顯提升