量子优化理论的高光谱遥感图像端元提取与目标探测

There are several difficulties in the endmember extraction and subpixel target detection of hyperspectral remote sensing images: it is difficult to establish a complete set of endmember candidates in the preprocessing step; the existing endmember extraction methods is insufficient for high demands of multi-source data; the existing endmember bundle extraction methods is highly dependent on data convex geometry; the subpixel target detection algorithms did not take full advantage of spatial information and are highly dependent on the quality of background dictionaries. Considering the above, this project intends to further enhance the endmember extraction and target detection of hyperspectral images by means of the quantum optimization. The main contents are as follows：(1) the sparse anomaly detection and iterative projection method are used to generate the completed endmember candidate set; (2) a multi-objective optimization algorithm based on quantum optimization is proposed; (3) iterative endmember bundle search based on quantum optimization algorithm is established; (4) a target detection algorithm based on joint sparse representation and quantum optimization is designed. The research results of this project are expected to provide new ideas for the endmember extraction and subpixel target detection, and effectively improve the interpretation ability of hyperspectral remote sensing image. The research has great application potential in mineral exploration, urban planning, military reconnaissance, fine agriculture and so on.

高光谱遥感图像端元提取和亚像元目标探测存在的主要难点是：预处理中完备的端元候选集难以建立；单端元提取方法的数据适应性差；端元束提取依赖数据结构假设；亚像元目标探测算法对图像空间信息利用不足、对背景字典质量要求较高。为此，本项目拟研究基于量子优化理论的高光谱图像端元提取与目标探测，主要包括：（1）利用稀疏异常探测和迭代投影方法构成完备端元候选集；（2）提出基于量子优化的多目标优化端元提取算法；（3）建立量子优化算法的迭代端元束搜索算法；（4）设计基于量子优化的联合字典目标探测方法。本课题的研究成果有望为高光谱图像端元提取和亚像元目标探测提供一个新的解决思路，有效提升高光谱遥感图像信息解译能力，相关研究成果在矿产勘探、城市规划、军事侦察、精细农业等众多领域具有重要的实际应用潜力。

高光谱遥感图像具有极高的光谱分辨率，能够细致描绘地物的光谱特征，蕴含的丰富诊断性光谱信息使得区分相似地物之间的微小差别成为可能。因此，高光谱遥感图像在地形分类、灾害监测、城市规划和森林调查等领域具有十分广泛的应用。然而，由于高光谱遥感图像空间分辨率和地物复杂性的限制，单个像元内可能含有多种地物光谱，从而构成混合像元。混合像元广泛存在于高光谱遥感图像中，使得现有特征提取方法面临异常点和候选端元预处理时完备性不高、多目标端元协同提取困难、目标探测准确率低下的难题，给地物的精准解译和高效识别带来了极大的挑战。.为了解决上述问题，本项目从高光谱遥感图像数据特性出发，沿着“预处理—端元提取—目标探测”层层递进的技术路线，围绕“稀疏异常探测和迭代移除候选端元的预处理”、“量子优化的多目标端元提取”以及“量子优化的目标探测”三个科学问题开展研究，建立了高光谱遥感图像稀疏异常点探测和迭代移除候选端元的预处理机制，解决了现有方法对异常端元考虑不足以及端元候选集不完备的问题；构建了量子优化的高光谱遥感图像多目标函数端元提取方法，联合提取多目标函数端元，克服了单目标函数对数据适应性不强以及优化算法易陷入局部最优解的难题；形成了量子优化的高光谱遥感图像目标探测理论体系，提出了适用于目标探测的量子优化字典，并对联合稀疏的目标探测模型进行优化，提高了目标探测准确率。.本项目的研究成果首次系统构建了异常探测与端元候选集筛选的高光谱图像预处理方法，协同量子优化的多目标端元提取机制和量子优化的目标探测理论体系，缓解了复杂端元提取不完备的问题，突破了多目标函数端元提取困难的限制，提升了模型利用高光谱遥感图像进行目标探测的性能，避免了混合像元的干扰，实现了高光谱遥感图像的精准解译，可为灾害评估、农业监测、军事侦察和矿区勘测等领域提供重要数据支持，进一步推动高光谱遥感图像处理领域迈向自动化、智能化、高效化发展的新篇章。