高光谱成象信息退化机理及恢复新技术研究

Hyperspectral Images have a broad application prospect in many fields such as industrial and agricultural production and national defense due to the rich information and feature recognition ability. However, the imaging quality is affected by kinds of factors in the progress of acquisition and transmission, which leads to image quality degradation,loss of certain information and the fact limits the further use of hyperspectral images. Aim at the above problems, the project first analyze the generation mechanism of pixel-level contamination, corrupted stripes and junk bands in hyperspectral imaging chain deeply from the physical layer; then demonstrate three dimensional sparse characteristics of hyperspectral images and the feasibility of estimating original sparse expression using damaged data. On this basis, we would like to establish a three dimensional sparse model suitable for hyperspectral image data structure and application characteristics and systematic study a recovery technique able to respond to a variety of degradation comprehensively; meanwhile, explore an independent data non-similarity recovery effects evaluation system which directly judge the quality and application value of the spectral and space domain of the recovered data. The implementation of the technical system in our study will greatly increase the degree of imaging quality and potential applications of hyperspectral data source, thus benefit the mankind. At the same time, the project is also helpful to the development of hyperspectral data representation, recovery technology and three dimensional sparse theories.

高光谱图象因其信息丰富、地物辨识能力强在工农业和国防等领域都有着广泛的应用前景，然而其成象质量在获取传输过程中受诸多因素影响，导致其获得的图象质量退化或某些信息损失，进而限制其进一步利用。针对该类问题，本项目首先从物理层对高光谱成象链中的像素级污染、条带缺失和垃圾波段等退化的产生机理进行深入分析，论证高光谱图象的三维稀疏特性，以及利用受损后数据估计原始稀疏表达的可行性。在此基础上，建立适合高光谱图象数据结构和应用特征的三维稀疏模型，并以此为重点，系统研究应对多种退化的恢复新技术。与此同时，探索独立数据的非相似性恢复效果评价体系，直接判断恢复数据的光谱域、空间域形态质量及其应用价值。本研究技术体系的实施，将极大提高现有高光谱数据源的成象质量和应用潜力，更好的造福人类。同时，也有助于高光谱数据表征、恢复技术和三维稀疏理论的发展。

复杂的高光谱成像链路以及受限的硬件水平会引入多种降质，严重影响高光谱图像对地物本征空谱特性的表现能力。本项目通过对高光谱图像成像机理的理论研究及分析，讨论了高光谱图像典型退化现象的成因及其表现形式并进行模型化归纳；针对大气水汽吸收等造成连续波段信息衰减，提出了基于双向导数预测的大气衰减谱段恢复方法，利用高光谱图像光谱连续可导的特性，对大气水汽吸收等连续降质谱段的信息进行估计；针对传感器非线性响应导致的条带状信息缺失，提出了基于边缘约束和自适应形态学滤波的恢复方法，通过引入多源遥感图像轮廓或基于学习的边缘预测重建缺失区域边缘，并以此为约束生成自适应的结构元素，进而有效的重建由于传感器非线性响应导致的条带状空间信息缺失；针对复杂成像链路引入多种混合噪声，提出了基于超像素分割和多分辨低秩表达的恢复方法，针对复杂成像链路获取的高光谱图像中存在混合噪声污染问题，利用高光谱图像的空谱相关性，有效的去除了高斯噪声、稀疏噪声、结构性噪声等多种噪声；针对高光谱遥感空间分辨率不足和光谱混叠导致空谱特征降质，提出了基于局部自适应稀疏解混和亚像素校准的融合超分辨方法，将丰度矩阵稀疏性引入联合解混模型，结合最优拟合形态学滤波，以获取高空谱分辨率的高光谱图像；针对高光谱图像中城区建筑物导致阴影遮蔽目标这一现象，研究了一种基于非局部稀疏方法，通过对阴影区及非影区分别建模实现阴影去除，恢复阴影区目标；建立深度卷积神经网络，并通过调整卷积神经网络的结构层数，分别进行基于光谱信息的一维超分辨重建，基于空间信息的二维超分辨重建以及基于空谱信息的三维超分辨重建，进一步提升高光谱图像的空间及光谱分辨率；针对红外波段光谱图像混合像元各组分温度反演困难的问题，提出一种亚像元级温度反演的方法，并将纯净像元以及混合像元分别进行处理，实现混合像元中各组分温度的估计。利用图像处理技术对降质高光谱图像进行恢复，并在当前硬件水平下，尽可能提升其质量以更准确的体现地物固有空谱特性，进而提高后续解译精度，对扩大高光谱遥感在工农业生产和国防建设等多领域的应用具有重要的意义。