高光谱遥感影像光谱解混与超分辨率重建研究及其在地质填图中的应用

High spatial resolution hyperspectral images are essenial in high-accuracy and high-precision remote sensing geological mapping, mineral mapping, geographic mapping and many other fileds. Super-resolution reconstruction is the most fundamental and economic way to improve the spatial resolution of hyperspectral remote sensing images. However, existing sub pixel mapping based on linear decomposition of mixed pixels is hard to correctly characterize the nonlinear mixed problem in hyperspectral images. Based on the ground-object reflection mechanism, this project aims at exploring the correlation between each image spectral and applying nonlinear blind source separation techniques (e.g. independent component analysis and sparse component analysis) to decompose mixed pixels in the hyperspectral images thus to realize super-resolution reconstruction. The project mainly includes four parts: ①Research of surface reflectance mechanism, spatial distribution correlation of the ground-object and pixel or spectral mixing model; ②Nonlinear blind source separation based spectral decomposition of hyperspectral images and model accuracy assessment; ③Super-resolution reconstruction based on prior knowledge (e.g. spatial distribution correlation of ground-object and component analysis of surface features in high spatial resolution images); ④Apply the above research results in geological mapping. Enriching the blind source separation theory and promoting the utility of hyperspectral images have great theoretical and practical meanings in precision target classification and identification, ore-prospecting information extraction, pest information recognition and harvest evaluation in precision farming and many other fields.

高准确度高精度的遥感地质填图、矿物填图、地理制图等领域急需高空间分辨率的高光谱遥感影像。超分辨率重建是提高高光谱遥感影像空间分辨率的最根本经济的途径。现有的线性混合像元分解亚像元制图难以正确表征高光谱影像本身的非线性混合问题。为此，本项目根据地物反射机理，充分挖掘影像的光谱相关性，采用非线性独立成分分析、稀疏成分分析等前沿盲源分离技术进行光谱解混，以此来研究高光谱影像的超分辨率重建，核心内容包括：①地物反射机理、地物空间分布相关性、像元与光谱混合模型研究；②基于非线性盲源分离的高光谱影像光谱解混与模型精度评估；③基于先验知识（地物分布空间相关性、高空间分辨率地物成分分析）的超分辨率重建；④高光谱影像的地质填图应用研究。本研究将丰富盲源分离算法理论，推进高光谱影像的实用化，对影像目标精细分类与识别、矿化蚀变信息提取、精准农业病虫害信息提取、农作物估产等领域，具有重大的理论意义与实际应用价值。

自高光谱遥感技术问世以来，光谱解混与超分辨率重建一直是高光谱遥感领域关注的难点和热点问题。本项目从光谱解混与超分辨率重建的研究出发，推进地质填图的实用化。项目执行期间授权国家发明专利5项、获准软件著作权1项，并在相关期刊及重要国际会议上发表学术论文40多篇、专著2部，翻译英文著作1部，其中SCI/EI等收录30篇。项目组成员参加国内和国际会议30多人次，其中包括A类会议IEEE WCCI 2014, 35th IGC, IAMG等会议，本项目组成员徐金东获IAMG最佳poster奖。.本项目的主要进展有：①基于盲源分离光谱解混研究：提出基于稀疏表示的遥感图像融合方法，将原图像分块，用稀疏系数表示每个图像块；提出了基于约束非负矩阵分解的高光谱解混方法，提高了解混的精度；对有噪声源支路参与混合的图像提出一种采用反馈机制的盲源分离算法；②在地质填图应用研究方面：提出二次散射非线性混合模型，解混结果精度提高近一个数量级；在此模型基础上提出了k(k>=2)类地物的填图规则，所填图件更加接近真实分布；此外，提出了基于零通小波函数的光谱角和光谱聚类匹配算法，并进行矿物填图，提高了矿物分类的精准度同时确认矿物类别；同时，还提出基于频谱和网格化的FS-G-SIFT变换控制特征点数量和分布，提高了遥感影像点配准精度；提出了一种基于独立成分分析的多光谱遥感影像波段选择算法的研究方法，可以有效的筛选出能够增强岩土信息的波段组合；基于区间模型，提出了自适应区间二型模糊聚类的遥感土地覆盖自动分类，可用于人工智能领域中；③基于先验知识的超分辨率重建：提出了利用SHAA-VSNMF算法进行光谱解混得到的端元和丰度信息采用自适应正则MAP法进行亚像元定位，最终得到超分辨率的遥感影像；④基于地理反射机理，地物空间分布相关性提出了：基于统计学和形态学原理，提出一种地球化学数据元素之间的形态相关系数，实验表明该形态系数可以很好描绘不同化探元素之间的关联性；本项目丰富了盲源分离理论，为减少高光谱影像不确定性提供了新途径，具有重大的理论意义与实际应用价值。