复杂噪声环境下的高光谱图像解混方法研究

Hyperspectral unmixing is not only the core of the development of hyperspectral remote sensing technology from quantitative analysis to subpixel level, but also the key to improve the accuracy of hyperspectral remote sensing application and expand the breadth and depth of its application. However, the traditional hyperspectral image sparse unmixing methods usually ignore different type of noise and different noise level in different bands into consideration. Besides, they cannot make full use of the rich spatial information in hyperspectral images, and the loss function is usually sensitive to different types of noise. This project intends to (1) study the unified theoretical model of unmixing based on different types of noise modeling and noise level estimation of different bands and its regularization constraints; (2) study the robust semi-supervised unmixing model based on mixture of correntropy; (3) study the joint semi-supervised unmixing model based on super-pixel segmentation; (4) study the optimization solution of the above mentioned semi-supervised unmixing unified theory model. The research results will form a set of robust unified theoretical methods for unmixing of hyperspectral images under complex noise. The research of this project can provide theoretical support and solutions for the application fields of precision agriculture, geological exploration, chemometrics, change detection, national defense and so on.

高光谱图像解混不仅是高光谱遥感技术向定量分析发展达到亚像元级的核心，而且是提升高光谱遥感应用的精度、拓展其应用的广度和深度的关键。针对高光谱图像半监督稀疏解混中存在的多种不同类型噪声、不同波段噪声水平不同、损失函数对噪声敏感和未能充分利用高光谱图像丰富的空间信息等瓶颈问题。本项目拟研究基于不同类型噪声建模和不同波段噪声水平估计的解混统一理论模型及其正则化约束；研究基于混合相关熵的鲁棒半监督解混模型；研究基于超像素分割的空谱联合半监督解混模型；研究半监督解混统一理论模型的优化求解；研究成果将形成一套复杂噪声环境下的高光谱图像鲁棒解混统一理论方法。本项目的研究可以为精准农业、地质探测、化学计量学、变化检测和国防等应用领域提供理论支撑和解决方法。

高光谱图像解混不仅是高光谱遥感技术向定量分析发展达到亚像元级的核心，而且是提升高光谱遥感应用的精度、拓展其应用的广度和深度的关键。然而，现有的高光谱图像解混方法存在多种不同类型噪声、不同波段噪声水平不同和未能充分利用高光谱图像丰富的空间信息和纹理信息等瓶颈问题。本项目从噪声建模、噪声水平估计、超像素分割等角度出发开展研究，提出了一些高光谱图像解混新方法，主要包括一种基于逐波段模型的高光谱图像稀疏解混方法、一种基于超像素分割的噪声鲁棒的稀疏解混方法和一种复杂噪声环境下的空谱非线性解混方法等。研究成果形成了一套复杂噪声环境下的高光谱图像鲁棒解混统一理论方法，本项目的研究可以为精准农业、变化检测和地质探测等应用领域提供理论支撑和解决方法。项目共发表高水平学术论文40篇（其中25篇IEEE期刊论文），其中项目负责人第一/通讯作者论文12篇（其中1篇入选ESI高被引论文，7篇IEEE期刊论文）。根据谷歌学术统计，项目成果总被引600余次，其中6篇论文被引超50次，2篇被引超100次。依托此项目，授权发明专利7项，培养毕业研究生4名。项目组成员积极与国内外相关院校和科研院所开展了广泛的学术交流与合作。