分布式压缩感知的高光谱遥感影像增强理论与方法研究

The emergence of hyperspectral remote sensing image is not yet fundamentally change the unbalance between the geometrical information acquisition and the attribute information acquisition in the remote sensing for earth observation. It is therefore much necessary to enhance the hyperspectral remote sensing image with software, so that it has the capability of performing accurately both attribute discrimination and geometrical positioning. However, its enhancement paradigm is not yet clear and its applicable scope is limited. In this project, the spectral curve is first fitted into a parametric one. A decomposition method of the spectral curve will then be discussed based on the discontinuous orthogonal basis, as well as the distortion metric of the spectral features. Moreover, a directional hidden Markov model will be exploited in spatial domain and wavelet transform domain. And the multi-scale structural over-complete dictionary will also be discussed with the constraint of the proposed Markov model. They could expound the joint sparsity mechanism of the local correlation, the nonlocal correlation, the inter-band correlation, as well as the inter-image correlation of pixels and their multi-scale transform coefficients. Based on the above observation, a spectral feature-constraint distributed compressive sensing enhancement model will be built. Furthermore, this project will propose an efficient and unified enhancement paradigm for hyperspectral remote sensing images with registered or unregistered high-resolution auxiliary image(s), providing theoretical bases and practical solutions for improving the accuracy of earth observation by hyperspectral images. The research has broad application prospects.

高光谱遥感影像的出现仍未从根本上改变遥感对地观测中几何信息获取与属性信息获取能力不均衡的现状。采用软件方法对其进行增强、使之同时具备高精度的属性判别和几何定位能力尤为必要，但目前其增强框架尚不明确，可应用范围有限。本项目将光谱曲线拟合为一条参数曲线，探讨基于非连续正交基的光谱曲线分解方法及光谱特征失真的度量准则；研究空间域—小波变换域的方向隐马尔科夫模型和以其为约束的多尺度结构化过完备字典，阐明像元及其多尺度变换系数的局部相关、非局部相关、谱间相关和影像间相关的联合稀疏机制；在此基础上，构建光谱特征保持的分布式压缩感知的增强模型，进而提出一种用已配准或未配准的高分辨率辅助影像对高光谱遥感影像进行增强的高效率统一构架，为改善高光谱影像对地观测的精度提供理论依据和可行方案，研究成果将具有广阔的应用前景。

高光谱遥感“图谱合一”的成像方式为地物的精细探测奠定了基础。然而尽管高光谱影像（HSI）具有高的光谱分辨率，但其空间分辨率却相对较低，目前单纯用硬件技术尚无法获取同时具备高空间、高光谱分辨率的遥感影像，采用软件方法对其增强、使之同时具备高精度的属性判别和几何定位尤为重要，并为实际应用所急需。. 本项目对HSI波段间的互相关性、波段内和谱域的局部、非局部相关性等进行深入研究，在此基础上提出HSI增强模型和架构，在保持光谱特征的前提下增强HSI的空间分辨率，为进一步高精度的HSI分析奠定基础。主要内容包括：1) HSI多尺度分析建模：对HSI多尺度变换系数的特性、分布规律进行研究，获得HSI多尺度系数在空间维和光谱维存在“聚集性”和“持续性”的结论，首次提出了HSI的隐马尔科夫森林模型，有效揭示了HSI系数间的内在关系; 2）HSI压缩感知建模：对HSI的分布统计特性进行研究，获得HSI除谱间相关性，还具有空间的“局部”“非局部”等特性，构建了光谱维TV与非局部正则化的HSI压缩感知重构模型;3）遥感影像字典学习稀疏表示：针对一般性学习字典易使重构影像光谱扭曲，研究选取不同训练集获取影像低、高频子带过完备字典的稀疏表示方案，使高频信息得以充分的稀疏表示，为提高信息融合的准确度奠定基础；4）HSI超分辨率和融合增强：研究HSI空间分辨率增强方案，包括隐马尔科夫森林模型的HS- Pansharpening方案、小波域多角度轮廓模板TV模型的超分辨率重建方案和联合空-谱域稀疏表示的HSI重构方案等，这些方案依据所挖掘的HSI特性，在有效提高空间分辨率的同时，很好的保留了光谱特性。. 目前本项目共发表学术论文22篇，其中国外SCI 12 篇，中国科学-信息科学2篇，其他国内核心期刊4篇；国家发明专利授权1项、受理3项。. 本项目为基于稀疏表示和光谱约束的HSI增强提供了新方案和理论依据，达到了预期目的，取得的成果具有很好的理论意义和应用前景。.此外，本项目的研究积累了经验、锻炼了队伍、培养了人才，为进一步的科学研究奠定了基础。