谱-空合一的高光谱图像特征提取理论研究

Hyperspectral image feature is the key for remote sensing’s processing,understanding and application. Its quality directly influences the development and engineering application of remote sense. Through the study of our project, we willprovide an effective theoretical basis for hyperspectral image’s decision and understanding. Meanwhile, in scientific research and engineering application, it also provides the important academic research and practical value. This project is based on the topic named “spectral -spatial feature extraction of hyperspectral image”, which fully utilizes the spectral-spatial prior hiding in hyperspectral image. This project studies the feature extraction methods from the frequency and space domain including: (1) Atomic representation for feature extraction of hyperspectral image. (2) Diffusion wavelet and graph wavelet for feature extraction of hyperspectral image. (3) Spatial constraint Fisher kernel for feature extraction of hyperspectral image. (4) Spatial regularization probability density preserving for feature extraction of hyperspectral image. Our aim is to improve the discriminant ability and robustness of the feature representation. Through the implementation of this project, it can offer some novel theoretical and technical supports for the information processing of remote sensing, and also give some theoretical references and methodological guidance for the relevant fields.

高光谱图像特征提取的质量是遥感信息处理、理解及应用的关键。本项目围绕“基于谱-空信息的高光谱图像特征提取理论研究”这一课题分别从频域和空域出发，利用谱域-空域上下文关系信息来研究高光谱图像的特征提取。主要内容包括(1)基于原子表示的高光谱图像特征提取；(2)基于扩散小波及图小波的高光谱图像特征提取；(3) 基于基于空域约束的Fisher核的高光谱图像特征提取 (4)概率空间下的非线性高光谱图像提取方法。通过本项目的实施，为遥感信息处理提供理论和技术支撑，也为相关学科的发展提供理论借鉴和方法指导。

本项目围绕如何提取高光谱图像的特征信息开展研究。研究一将高光谱图像特征提取问题转化为一个低秩矩阵回归问题。传统方法通常将图像数据转变成向量形式处理，从而破坏了图像的原始空间结构。为了充分利用图像的空间结构信息，提出了用于图像特征提取和特征选择的低秩矩阵回归模型。为了快速获得模型的解，设计了一种基于变向乘子法的优化方法。研究二利用原子表示通用的正则化线性框架和模回归框架来从含严重噪声的数据中提取图像不变特征，并应用于有噪声、遮挡、光照干扰的图像识别和分类中。提出了基于模回归的贪婪算法用于鲁棒稀疏信号恢复、聚类和分类。 研究三从概率密度函数分布保持角度提取图像不变特征，通过数据分布保持来学习深度表示信息和高光谱图像分类。研究四利用四元数理论和模型可利用多通道信号间相关性的优势，提出了用于四元数块稀疏信号的恢复算法，基于四元数块稀疏表示的分类方法和用于彩色人脸识别的四元数线性回归算法。本研究不仅对特征提取的理论和算法有所贡献，而且可将相应的科技成果用于实际应用研究（高光谱图像分类和目标检测等），具有一定的指导意义。到目前为止，本项目共发表SCI论文20余篇，EI论文3篇。