多层结构稀疏表示方法及其遥感图像融合应用研究

Sparse representation (SR) is a novel image representation theory, which provides an effective tool for image processing and is a research hotspot in image processing area. Although SR has achieved a certain progress in the theory and its application to remote sensing image fusion, the current SR does not consider the structure of multi-dictionary representation. Moreover, the existing SR based remote sensing image fusion methods are very sensitive to the observation model of remote sensing images. Therefore, lots of key problems in SR theory and its application to remote sensing image fusion are still waiting for solving. . This project will study the multi-level structured sparse representation (MLSSR), analysis its theoretical properties, including the accuracy, robustness and the effect of level number, and study the fast multi-level sparse recovery algorithm; design the multi-level dictionaries learning method for MLSSR, and study sparsity self-adaption and multi-graph constraint to optimize the multi-level dictionaries further; and study the MLSSR based remote sensing image fusion with detail injection aiming to solve the spatial and spectral distortions problem, including the context self-adaption details extraction and spectral response based nonlinear details injection model. These researches will refine the SR theory, promote the remote sensing image fusion technique development and practice applications.

稀疏表示是一种新型图像表示理论，为图像处理提供了一项有效工具，是当前图像处理领域的研究热点。尽管稀疏表示在理论以及遥感图像融合应用方面取得了一定成果，但是现有稀疏表示没有考虑多字典表示的结构特性，而且现有基于稀疏表示遥感图像融合方法的性能对观测模型过于敏感，使得稀疏表示方法及其遥感图像融合应用中还存在一些关键问题亟待解决。. 本项目将深入研究多层结构稀疏表示方法，分析解的精确性、鲁棒性和层数影响等相关理论性质并研究快速多层稀疏求解算法；设计面向多层结构稀疏表示的多层字典学习算法，研究稀疏自适应以及多层图约束来进一步优化多层字典；研究基于细节注入的多层结构稀疏表示遥感图像融合方法，包括图像内容自适应的细节提取以及基于光谱响应的非线性细节注入模型，解决遥感图像融合中的空间和光谱失真难题。该项目研究将进一步完善稀疏表示理论，促进遥感图像融合技术的发展与应用。

结构化稀疏表示理论及其应用研究是目前国内外图像处理、机器视觉、机器学习等领域重要研究方向。在结构化稀疏表示理论方面，我们充分考虑了同一场景下多传感器图像之间的相关性，研究了联合低秩-稀疏表示方法，解决了多任务低秩-稀疏表示问题；研究了张量结构稀疏表示方法及相关维度字典学习方法，提高了稀疏表示对高维数据的空间结构表示能力和表示精度。在稀疏表示应用方面，我们在国际上首次采用联合低秩-稀疏分解来提取空间细节信息，并构造相应的遥感图像融合方法；在充分利用全色图像和多光谱图像之间的结构相似性基础上，提出了一种全色图像引导的稀疏遥感融合方法，有效地克服了遥感图像融合中的细节锐化和光谱保持之间平衡的难题；首次提出了基于张量稀疏表示的三维图像融合方法。项目研究成果促进了结构化稀疏表示理论和图像融合技术的发展。