高光谱遥感影像混合像元分解的稀疏分析方法研究

高光谱遥感影像中混合像元的端元和组分信息的精确的估计是遥感定量反演的关键技术之一。本项目主要针对高光谱遥感影像中因混合像元的端元组成及其变化带来的端元选择和组分丰度估计问题以及高光谱影像盲分解的先验约束条件定义的问题，通过对混合像元的稀疏结构特征及其它相关信息的分析来展开研究，拟建立混合像元的稀疏回归分析和稀疏盲分解的框架，目的是提高混合像元信息的反演精度。项目的研究内容包括"松弛L1正则、加权L1正则和L1/2正则"的稀疏回归分解，超完备的冗余端元字典构建，结合端元凸几何特征，流形局部结构保持和张量表示的混合光谱稀疏盲分解。相对于传统的求解端元模型选择方法，本项目的研究将能获得精度和效率更高的计算；通过对影像先验信息的充分挖掘，使盲分解结果的更稳定、更合理。项目成果不仅有利于高光谱遥感影像的混合光谱解译，对高光谱荧光影像的光谱混叠问题也具有重要的价值。

本项目以稀疏约束理论为基础，主要应用稀疏回归分析与结构性稀疏约束开展研究。在研究中首先借鉴前人在稀疏表达分类算法的经验，采用非局部邻域特征进行结构化联合稀疏表达进行高光谱影像分类；并从训练样本字典优化的角度，在字典规模相对较小的情况下采用L2范数约束进行结构化表达的分类。方法应用于高光谱影像分类，相对于经典分类算法本研究在样本较少情况下获得了更好的分类精度。接着测试并检验了非局部TV约束和稀疏约束结合的混合像元分解，以及结构化稀疏约束回归混合像元分解，采用增广拉格朗日稀疏优化算法进行计算；混合像元组分特征作为与地物物理特性相关的特征，它的应用也是很广泛的，特别是在城市地物分析中，本研究中运用多尺度形态学开闭混合运算对不透水层组分特征进行重建运算提出了新的城市建筑物提取方法。在盲分解的研究过程中，运用了以自动端元提取算法为基础的背景字典构建技术，通过对检测像元的邻近分析提出了新的异常目标检测算法，相对于传统算法不在依赖高斯分布假设；针对于医学领域新出现的荧光多光谱影像，本研究采用非负特征双稀疏约束对串扰的荧光信号进行分离，并用量子点激发前列腺肿瘤多光谱荧光影像进行了实验，其结果非常理想。. 我们按原计划开展了研究，基本完成预期的考核指标，迄今为止发表论文5篇（录用1篇），SCI收录2篇，EI收录1篇，EI期刊录用1篇，会议论文1篇，申报1项发明专利；参加国际和国内学术会议专题报告3次；书籍章节一章。在本项目的基础上申请陕西省教育厅基金1项，2项国家重点实验室开放基金。