面向复杂遥感影像的多任务联合稀疏约束空谱融合方法

Confronting to the contradiction between user demand for high resolution remote sensing images and limitations of material and craft to imaging technology, spatial-spectral fusion techniques provide research ideas and technological means for solving this contradiction from the perspective of software technology. Spatial-spectral sparse fusion framework is the state-of-the-art fusion strategy. But, confronting to complex remote sensing images with object occultation, contrast inversion, or slight spatial misregistration, its robustness is confronted with dire challenge. This project aims at studying sparse fusion theories and methods for complex remote sensing images with different spatial-spectral structural characteristics. The main research contents include: (1) constructing multi-task joint sparse constraint model, studying suppression strategies for object occultation and contrast inversion, and proposing robust multi-task joint sparse constrained spatial-spectral fusion method; (2) researching on suppression strategy for slight spatial misregistration and proposing simultaneous registration and fusion method in a unified framework; (3) designing dimension reduction method and suppression strategy for spectral mismatch, and proposing multi-task joint sparse constrained spatial-spectral fusion method for hyperspectral images. The research contents of this project solve the contradiction that is hard to simultaneously acquire remote sensing images with high spatial resolution and high spectral resolution, provide high spatial and spectral resolutions remote sensing data for user, and enrich the theory of spatial-spectral fusion.

面对用户对高分辨率遥感影像的迫切需求与成像技术难以突破材料与工艺制约的矛盾，空谱融合方法从“软件技术”层面为解决这一矛盾提供了研究思路与技术手段。空谱稀疏融合方法是当今最先进的融合策略，但面对具有目标遮挡、对比度反转、轻微空间失配等现象的复杂遥感影像，其鲁棒性面临严峻挑战。本项目旨在研究具有不同空谱结构特征的复杂遥感影像的稀疏融合理论与方法。主要研究内容如下：（1）构建多任务联合稀疏约束模型，研究目标遮挡、对比度反转的抑制策略，提出多任务联合稀疏约束的鲁棒空谱融合方法；（2）研究轻微空间失配抑制策略，提出同步配准与融合方法；（3）设计高光谱图像维数约简方法和光谱失配抑制策略，提出面向高光谱图像的多任务联合稀疏约束空谱融合方法。本项目研究内容解决了遥感影像空谱上的高分辨率难以同时获取的矛盾，能为用户提供高空间、高光谱分辨率的遥感数据，并且丰富了空谱融合理论框架。

用户对高分辨率遥感影像的迫切需求与卫星成像技术难以突破材料和工艺制约的矛盾，促使空谱融合技术的不断发展。具有目标遮挡、对比度反转、轻微空间失配、光谱失配等复杂空谱结构的遥感影像使得现有空谱融合方法面临严峻挑战。项目以此为研究背景，以稀疏融合理论为基础，研究和解决了不同类型的复杂遥感影像空谱融合问题。主要研究内容包括面向局部空间差异遥感影像的多任务联合稀疏约束空谱融合方法、基于稀疏表示和深度卷积神经网络的轻微空间失配遥感影像空谱融合方法与面向光谱失配遥感影像的多任务联合稀疏约束空谱融合方法。针对多光谱图像与全色图像的局部空间结构差异，提出了基于正则化模型的鲁棒空谱融合方法；考虑多光谱图像波段间的相关性，构建了基于图正则化稀疏表示的多任务空谱融合模型,提升了面向复杂遥感影像数据的稀疏融合方法性能。面向轻微空间失配遥感影像数据，在分量替换融合框架的基础上，结合稀疏表示、稀疏结构流形嵌入、导向滤波等信息处理技术，改进空间细节提取和空间细节注入模型，提高了分量替换融合方法的鲁棒性能；挖掘复杂遥感图像的多尺度空间结构信息，提出了多尺度深度残差空谱融合网络,提高空谱融合方法的泛化能力。面向光谱失配遥感影像数据，分析光谱失配的形成机理，采用多任务处理策略，提出了基于图正则化稀疏表示和自适应字典学习的多任务联合稀疏约束空谱融合方法。本项目提出的解决方案在QuickBird、GeoEye-1、IKONOS和WorldView-2等复杂遥感影像数据上进行了验证。实验结果证明了所提方法在不同类型复杂遥感影像数据上具有鲁棒融合性能。项目研究成果为复杂遥感影像空谱融合提供了有力的方法支持，满足了用户对高空间、高光谱分辨率遥感影像的需求，丰富了图像融合理论。