用于压缩偏振光谱成像的联合稀疏采样理论研究

For the sake of multi-dimensional joint sparsity of multi-band image and dependency between noise and signal, it is difficult to directly utilize the traditional compressive sampling theory into multi-band imaging process. It will increase the sampling data and reduce the reconstruction accuracy. In order to solve the multi-band image compressive sampling problem, it is pressing need to study the compressive theory suitable for multi-dimensional joint sparse Poisson image. Polarimetric imaging spectrometry can integrally acquire the object's spatial, spectral and polarimetric information efficiently. For polarimetric hyperspectral image, there is strong correlation in spectral and polarimetric dimensions, and it also follows Poisson distribution. In this project, through utilizing the polarimetric imaging spectrometry as an example, we study the multi-band joint sparse representation model, the sampling matrix design theory and multi-band image reconstruction method in compressive sampling theory. We first analyze the multi- dimensional joint sparsity in the spectral, polarimetric and spatial dimension. For Poisson statistics of image, we then design the corresponding joint sparse matrix, establish the corresponding multi-dimensional joint sparse sampling matrix, and construct the joint sparse representation model. Using the prior information, fast reconstruction method will be designed to reconstruct the polarimetric hyperspectral image. Through the study of this project, we want to propose the theory on how to acquire the polarimetric hyperspectral image efficiently and quickly, lay the foundation for the development of the new polarimetric imaging spectrometry system and the development of multi-band compressive sampling theory.

多波段图像存在多维度联合稀疏性及泊松统计特性，将压缩采样理论直接应用于多波段图像，将会极大增加采样数据量并同时降低重构准确性。为解决多波段图像的压缩采样问题，需研究适用于多维度联合稀疏泊松图像的压缩采样理论。偏振光谱成像技术能够将被观测目标的空间、光谱和偏振多维度信息有机融于一体，其光谱维和偏振维存在强相关性，图像服从泊松分布。本课题以偏振光谱成像为例，研究多波段压缩采样理论中的联合稀疏表示模型、采样矩阵设计以及重构等关键问题。通过分析偏振光谱图像在光谱、偏振以及空间维的多维度联合稀疏性，结合图像的泊松统计特型，设计其对应的联合稀疏字典，建立对应的多维度联合稀疏采样矩阵，进而构建其联合稀疏表示模型。利用数据的先验信息，结合偏振光谱图像目标检测的具体应用，构造联合检测重构方法，进而解决如何高效获取和利用偏振光谱图像的问题，为开拓新型偏振光谱成像体系和建立多波段压缩采样理论奠定基础。

偏振光谱成像技术在军事侦查、环境监测、资源勘查、医学诊断、天文观测等众多领域具有很高的应用价值。由于光学系统和探测器件限制，在成像过程中光谱、空间和偏振分辨率之间的折中极大的限制了偏振光谱成像仪的性能。尤其是在光子能量有限和曝光时间受限的情况下，所获得图像的信噪比极低，严重影响了后续检测和识别的可靠性。同时偏振光谱图像在采集过程中产生庞大的数据量给相应的处理带来麻烦，难以实现快速获取、存储和传输，这使其在如医学内窥成像检测、战场毁伤评估等需要实时结果领域的应用受限。另一方面，偏振光谱成像技术在多种领域所表现出的其它光学成像手段无法替代的优势，以及在诸多领域中的应用潜力，使得对于快速获取同时具有高信噪比、低数据量的偏振光谱图像提出了迫切的需求。偏振光谱图像在光谱维和偏振维均存在强相关性，统计特性服从泊松分布。本课题研究偏振光谱压缩成像问题,从分析偏振光谱图像的空间、光谱和偏振维的多维度联合稀疏特性出发，结合图像的泊松特性，给出了多维度联合稀疏泊松图像压缩采样机制。通过分析偏振光谱图像在光谱、偏振以及空间维的多维度联合稀疏性，结合图像的泊松统计特型，设计其对应的联合稀疏字典，建立对应的多维度联合稀疏采样矩阵，进而构建其联合稀疏表示模型。利用数据的先验信息，结合偏振光谱图像目标检测的具体应用，构造联合检测重构方法，解决了如何高效获取和利用偏振光谱图像的问题，并在此基础上研制了偏振光谱压缩成像系统。通过本项目的研究，由国防工业出版社-Springer出版社联合出版英文专著《Multi-band Polarization Imaging and Applications》1部，在IEEE Transactions 期刊上发表论文6篇，在IEEE Journal 期刊上发表论文3篇，在Remote Sensing期刊上发表论文1篇，参加国内国外重要学术会议7次。申请国家发明专利7项，授权2项。