高光谱遥感图像的稀疏解混研究

Because of of the low spatial resolution, mixed pixels are observed in hyperspectral remote sensing images, which aggravate the difficult of materials recognition and classification. How to decompose the spectral of mixed pixels into pure materials spectral (endmember) and corresponding proportions (abundance) is an active research topic in the field of hyperspectral unmixing. However, current spares unmixing methods are usually based on simple linear mixing model, and adopt convex optimization to approximate original problem. In addition, researches on sparse unmixing mainly remain in the theoretical algorithms, whereas aiming at the practical application is rare. In order to solve these problems, in this program we try to break through current sparse unmixing framework, and conduct systematic research on models, algorithms and applications. First, we build a nonlinear sparse redundancy model to replace traditional linear mixing model. Meanwhile, we study new nonconvex optimization algorithms to solve the sparse unmixing problem and thus obtain the optimal solution. At last, in this program we focus on the application research of sparse unmixing in the field of ocean green tide disaster monitoring. We hope to accomplish remarkable academic achievement in the study of models, algorithms and applications.

由于较低的空间分辨率，高光谱遥感图像中存在混合像元现象，影响了地物的识别和分类精度。如何将混合像元的光谱分解为不同纯地物的光谱（端元）以及相应的比例（丰度），成为高光谱遥感应用中重要和困难的问题，该过程称为高光谱解混。稀疏解混是当前高光谱解混领域的前沿方向，然而，当前的稀疏解混算法往往基于简单的线性混合模型,并使用次优算法求解。此外，当前稀疏解混的研究大多停留在理论算法层面，而针对性的实际应用较少。针对这些问题，本项目致力于突破现有框架，从模型、算法和应用角度对稀疏解混问题进行系统化研究。首先，构建一种具有非线性特性的稀疏冗余模型来替代传统的线性混合模型；其次，研究新的非凸优化算法来求解稀疏解混问题，从而获取原问题的最优解；最后，本项目针对海洋绿潮灾害监控这一重要方向进行稀疏解混的实际应用研究。希冀能在模型与算法研究以及理论与应用相结合方面进行探索，取得好的学术成果。

由于较低的空间分辨率，高光谱遥感图像中存在混合像元现象，影响了地物的识别和分类精度。如何将混合像元的光谱分解为不同纯地物的光谱（端元）以及相应的比例（丰度），成为高光谱遥感应用中重要和困难的问题，该过程称为高光谱解混。稀疏解混是当前高光谱解混领域的前沿方向，然而，当前的稀疏解混算法往往基于简单的线性混合模型,并使用次优算法求解。此外，当前稀疏解混的研究大多停留在理论算法层面，而针对性的实际应用较少。针对这些问题，本项目致力于突破现有框架，从模型、算法和应用角度对稀疏解混问题进行系统化研究。首先，构建一种具有非线性特性的稀疏冗余模型来替代传统的线性混合模型；其次，研究新的非凸优化算法来求解稀疏解混问题，从而获取原问题的最优解；最后，本项目针对海洋绿潮灾害监控这一重要方向进行稀疏解混的实际应用研究。在本项目的支撑下，项目组共计发表SCI检索论文43篇（其中Q1区论文23篇，包括13篇遥感领域权威期刊），EI检索论文8篇；申请及授权发明专利10项，培养硕士研究生5人，博士研究生3人。圆满完成了科研与人才培养任务。