高光谱图像融合算法及质量提升模式研究

Hyperspectral remote sensing has been widely applied. However, the problem of low spatial resolution and narrow swath seriously limits its development. Considering the hardware upgrade has been difficult to solve this problem, data fusion is a good way. The traditional remote sensing data fusion algorithms can not meet the demand of the hyperspectral remote sensing application crying for high spatial resolution, multitemporal covering in a large area, and multiple data fusion products. According to this need, this project proposes a study on wide-sized and multiscale hyperspectral image Fusion Algorithm based on CRISP. This project will realize the data fusion of hyperspectral data with multispatial and multispectral scale data and achieve the scope extending of the spectral scale transformation through the mechanism demonstration of fusion method, research on fusion algorithm of multiscale hyperspectral data with high spatial resolution data, the study of wide-sized hyperspectral data reconstruction based on multispectral image, the study of iamge quality improvement model and the evaluation of product quality of different fusion method. Through these efforts, the project will try to provide an optimal way to obtain data of wide-sized high spatial and spectral resolution, improve application ability of hyperspectral data as well as provide reference of project design and data quality evaluation for new hyperspectral sensors .

高光谱遥感得到了较大发展，但制约高光谱应用能力的瓶颈问题：低空间分辨率和窄幅宽仍然存在，因此限制了其推广和应用。受到探测器件限制，目前通过硬件方式直接大幅提高高光谱数据的空间分辨率和幅宽，已没有多少空间，通过数据融合方式，是一种可行的选择。本研究将从数据融合角度，研究高光谱数据的融合理论及融合策略，发展一种高光谱图像融合算法，研究高光谱数据质量提升模式，通过融合方法机理论证、高光谱融合算法设计，以及不同模式下融合图像在实际应用中的有效性分析，为同时获得高空间分辨和宽覆盖的高光谱数据提供解决途径，提升高光谱数据的应用能力，同时也为新型高光谱卫星载荷方案设计提供参考。

目前，高光谱遥感数据存在空间分辨率低、幅宽窄等瓶颈问题，限制了高光谱遥感技术的进一步发展。高光谱数据与其他多源数据的融合成为解决这一问题的有效途径之一。然而，当前针对高光谱数据融合的研究仍处于发展阶段，相关融合算法在光谱特征的保持上还存在不足，融合范围一般也限制在了原始高光谱和高空间分辨率图像的重叠区域。因此，本项目从高光谱融合机理研究出发，以不同空间尺度下的光谱混合理论和和不同光谱尺度下的地物特征相关性理论为基础，开展了高光谱数据的空间分辨率提升方法研究，提出了SISU高光谱和多光谱图像融合算法，利用高空间分辨率多光谱图像的空间信息，实现了高光谱图像空间分辨能力的提升。在此基础之上，发展了SREM多光谱数据光谱分辨率增强算法，实现了对整个多光谱图像覆盖范围内高光谱数据的重构，为获得大范围覆盖的高光谱图像提供了技术途径。与此同时开展了高光谱数据融合的时空拓展和融合模式研究。最后，将SISU和SREM算法应用在了高光谱目标探测和蚀变矿物信息提取中，进一步验证了本项目研究内容的实用价值和科学意义。本项目所得到的主要结论包括：.（1）提出的SISU高光谱数据融合算法能够得到高空间分辨率的高光谱数据，实现利用多光谱数据对高光谱数据的空间分辨率提升。通过SISU算法得到的融合数据，空间信息提升明显，各类地物的光谱特征保持度良好，能够有效解决高光谱数据空间分辨率不足的问题。.（2）提出的SREM算法，能够得到与原始多光谱图像空间分辨率和幅宽一致，与样本高光谱数据光谱分辨率一致的大覆盖高光谱分辨率数据，而且光谱特征保持度良好，为解决高光谱图像幅宽不足的问题提供了有效的技术途径，同时也提升了多光谱图像的利用率。.（3）提出的基于模型参数库的高光谱时空拓展融合模式，能够通过光谱特征转换参数库的构建，有效解决SREM算法中采样样本不足的问题。对缺少重合高光谱图像的多光谱图像区域，可以根据位置或时间特征从参数库中选择模型参数，并通过SREM算法实现不同时间的多光谱图像光谱分辨率的增强。.（4）提出的基于离散点源高光谱数据的空间拓展光谱重构模式是一种从采集方式上解决高光谱图像空间分辨率和幅宽不足问题的很好途径，能够在保持点高光谱数据一定空间采样间隔的条件下，利用SREM算法将其与多光谱图像融合，能够得到空间和光谱信息质量较高的高光谱图像，该方法为今后传感器的设计提供了一定的技术参考。