高光谱遥感图像张量分析的理论与方法研究

Existing data processing techniques are incompetent in dealing with large amount of data provided by hyperspectral remote sensing images. Recently, great attention has been paid to how to extract useful information effectively from the hyperspectral remote sensing images and how to integrate image processing with spectral analysis. We consider that hyperspectral imagery is a three-order tensor from its exterior representation and there exist complex structural relationships and information redundances among intrinsic spectral, textural, geometrical and illuminating characteristics, and it also exhibits particular stochastical charactistics, structural sparsity, and spatial/spectral structure. Based on the above points, our project will explore and develop novel theories and methods of tensor analysis by combining the structural sparsity within the framework of probability and statistics. Furthermore, it will offer completely new technological means and supports to solve the practical problems in hyperspectral image processing such as image restoration, dimensionality reduction, compression, pixel classification, decomposition of mixed pixels, and target detection. Once accomplished, the project will break through the currently widely-used frame of hyperspectral image processing based on matrix or vector representation, and it can effectively realize processing hyperspectral images with spatial information and spectral features as a whole. Especially, for the current situation of lacking effective tools to deal with such large hyperspectral data set, the project will provide more effective and general techniques to solve these tasks.

相对于高光谱遥感图像提供的巨大数据量，当前的数据处理技术尤显不足。如何从高光谱遥感图像中有效地提取有用信息，如何实现图像处理与光谱分析的有机结合，近年来格外受到重视。我们考虑，高光谱遥感图像外在数据表达为三阶张量形式，而内在光谱、纹理、几何和光照特性之间存在着复杂结构关系和信息冗余，它具有不确定性、结构稀疏性、空谱结构的特点。本项目从上述特点出发，探索和发展概率统计框架下结合结构稀疏特性的张量分析新理论和新方法，为解决高光谱遥感图像实际应用中的图像恢复、降维、压缩、像元分类、混合像元分解、目标探测典型问题，提供全新的技术手段和支撑。该项目的实现，将突破目前为止普遍采用的基于矩阵或矢量的高光谱遥感图像处理框架，实现空间信息和光谱特征为整体的更有效的高光谱遥感图像处理与分析。尤其是，在目前大数据量的高光谱遥感图像仍缺乏有效处理和分析工具情况下，可为其提供一种较为通用的有效处理方法和手段。

本项目为一年期的小额资助面上项目。在本项目一年的执行期间，我们结合高光谱遥感图像的特点，提出了一类基于张量分析的高光谱遥感图像处理新理论和新方法，并在理论和方法的研究基础上，开发了相应的算法和软件包，搭建了相应的软件系统。通过对高光谱遥感图像进行张量分析下的有效处理，我们实现了高精度的高光谱遥感图像的分类和高性能的高光谱遥感图像的数据压缩。该项目的实现，可为解决高光谱遥感图像自动分类和数据压缩问题，提供新的理论和方法。尤其是，在目前大数据量的遥感图像缺乏有效处理和分析工具的情况下，可为其提供一种较为通用的有效处理方法和手段。. 结合本项目的研究，我们完成了中国航天科工集团的高光谱遥感图像自动地物分类和数据压缩项目，并将所提议方法用于大量的实际高光谱遥感图像数据的处理与分析中，验证了所提议方法的有效性。这也是对本项目研究成果的一个实际验证和检验。. 在本项目的完成过程中，共发表论文9篇，其中发表属SCI检索的论文5篇，属EI检索的论文9篇；国际期刊论文3篇，国内核心期刊论文3篇，国际会议论文3篇；申请国家发明专利4项，其中已获国家发明专利授权2项。另外，培养博士研究生4名（其中1名已毕业），硕士研究生10名（其中2名已毕业），培养中青年学术带头人2名。. 在理论和算法研究方面，主要的创新性工作包括如下：提出了一种基于分块低秩张量分析的高光谱遥感图像降维和分类方法；提出了一种基于张量分析和小波包变换的高光谱遥感图像压缩方法；提出了一种基于切片映射的张量分解方法，并将其应用于高光谱遥感图像的压缩中。大量实验的结果表明，以上所提议的方法均取得了良好的实验效果，较目前现有算法具有更优的性能。. 在演示系统的研制方面：我们课题组开发了两套功能较为完备的基于张量分析的软件包：一套基于张量分析的高光谱遥感图像降维与分类软件包，一套基于张量分析的高光谱遥感图像数据压缩软件包。所开发的软件的主要功能是，可完成高光谱遥感图像中的数据降维、自动分类和数据压缩，以及高光谱遥感图像的输入/输出、预处理、降噪、可视化等相关操作。