高光谱图像多维稀疏字典构造及应用研究

Hyperspectral image can accurately depict the spectrum of the object, providing large quantities of useful information for feature extraction, classification, detection, etc. However, its huge data size, high redundancy make it hard to imaging, transmission, and processing, and its information is easy to lose on the transfer process. To solve the problems above, our group combine the new signal analysis and processing theory, explore the intrinsic characteristics of hyperspectral images, and deepen the cognition of the relationship between spatial and spectral dimension of hyperspectral image, and study the sparse characteristics between spatial and spectral dimension. Based on the research above, we will form a theoretical system which contains data analysis, multi-dimension sparse dictionary construct and hybrid norm reconstruction algorithms, and then do research on the application of geoscience. We mainly study as follows: Firstly, we will introduce the analysis of time series into the study and combine it with traditional signal processing theory, mining the union feature of the spatial and spectral dimension in hyperspectral image, study the sparse representation which can represent the intrinsic characteristics of hyperspectral image. Secondly, we will construct the multi-dimension sparse dictionary on the basis of the union feature, and then research the hybrid norm algorithms with strong robustness according to the multi-dimension sparse dictionary and compressive sensing theory. Finally, we will apply this algorithm system to typical object detection to prove its high efficiency.

高光谱图像具有"图谱合一"的特性，能够精细刻画地物光谱，为地物特征提取、分类、探测等技术的发展提供了大量有价值信息。但由于其数据量大、冗余度高，以致于高光谱成像、传输及数据处理速度慢，并在传输过程中容易丢失信息。本课题针对以上问题，结合新型信号分析与处理理论，探索高光谱图像的本质特征，加深对空间维与光谱维关系的认知，深入研究两者之间的稀疏特性，形成集数据分析、多维稀疏字典构造、混合范数重构为一体的高光谱数据处理理论体系，并对该体系展开地学应用研究。具体说来，首先，引入时间序列分析理论，并结合传统的信号处理理论，深入挖掘高光谱图像空间维与光谱维的联合特征，研究体现高光谱图像本质特征的稀疏表示；其次，根据获得的空间与光谱维的联合特征，建立多维稀疏字典；然后，基于多维稀疏字典和压缩感知理论，研究鲁棒性强的混合范数重构算法，获取重构图像；最后，将提出的算法体系应用于典型地物探测中，以验证其高效性。

高光谱图像具有“图谱合一”的特性，能够精细刻画地物光谱，为地物特征提取、分类、探测等技术的发展提供了大量有价值信息。但由于其数据量大、冗余度高，以致于高光谱成像、传输及数据处理速度慢，并在传输过程中容易丢失信息。本课题针对以上问题，结合新型信号分析与处理理论，探索高光谱图像的本质特征，加深对空间维与光谱维关系的认知，深入研究两者之间的稀疏特性，形成集数据分析、多维稀疏字典构造、混合范数重构为一体的高光谱数据处理理论体系，并对该体系展开地学应用研究。本课题的研究：. 1）深化了对高光谱图像空间维与光谱维联合关系的认知。高光谱遥感图像无论在空间维还是光谱维都存在大量值得深入挖掘的特征，研究空-谱维的统一关系，实现多维图像的高效稀疏采样，可为典型地物探测等应用提供理论支持。. 2）促进了高光谱图像采样、重构理论研究水平的提升。现存算法对高光谱图像空间维与光谱维统一关系的认知与处理存在着一定的理论缺陷。从减轻数据存储与传输压力角度出发，进行多维联合稀疏采样和高效重构方法的研究可为高光谱图像的快速处理与应用奠定基础。. 3）为新型光谱成像仪的研制及数据传输系统的设计提供了理论支撑。若不进行压缩采样而直接获取高光谱图像全部数据，成像设备与信号传输系统会有巨大压力，本研究辅助了高光谱图像高效采集与存储，实现快速成像。同时，重构算法的研究能够以较高的精度恢复原始数据，弥补传输损失。. 4）最大限度在典型地物探测等应用中发挥高光谱图像的优势。传统的地物探测技术对更深层次的统计特性和稀疏特性则没有被充分的利用。本课题研究结合了高光谱图像的光谱和空间信息，挖掘典型地物更本质的特征，提出了高效率的探测方法，提升了现有的地物探测水平。. 综合上述研究成果，本研究可以为高光谱图像处理技术的提升，特别是在地学中的应用提供理论支撑，同时为新型光谱成像仪的研制及数据传输系统的设计提供有价值的参考。