空-谱融合高光谱遥感影像混合像元稀疏分解与空间定位

The mixed pixel problem in hyperspectral remote sensing imagery greatly weaken the potential applications in various fields. Spectral unmixing and sub-pixel mapping techniques are the effective option to solve the mixed pixel problem. Due to the limitations of the traditional technique frameworks, the existing spectral unmixing and sub-pixel mapping methods can not satisfy the practical requirements when they are applied to the situation of inexistent pure pixel, variable combination of endmembers and synonyms spectrum for hyperspectral remote sensing image. By utilizing the advantages of the theory of sparse representation dealing with high dimensional signal representation problem, the project will build the sparse representation model of hyperspectral remote sensing imagery. Based on the model, incorporating the spatial information, the project develops the sparse unmixing and sub-pixel mapping methods with high universality and strong stability for hyperspectral remote sensing imagery. Firstly, the over-completed endmember spectral library by the field spectroradiometer or imagery learning algorithm is built. Secondly, based on non-local regularization spatial constraint and group LASSO algorithm, the novel spatial-spectral sparse unmixing method is developed by utilizing the solving ability of sparse representation theory to underdetermined problem. Thirdly, based on the sparse representation theory and sub-pixel mapping moedl, the novel sub-pixel mapping model intergrating sparse unmixing are proposed to determine the spatial distribution of land covers in mixed pixels. This study can significantly enhance the potential applications of hyperspectral remote sensing imagery, therefore have important theoretical and applied significance.

高光谱遥感影像常受到混合像元问题的影响而限制其应用潜力。混合像元光谱分解和亚像元空间定位技术是解决混合像元问题的有效途径。由于现有理论框架的有限性，在纯净像元获取困难、像元内端元组成可变、端元同物异谱等情况下，传统的分解与定位方法还远不能满足实际处理的需求。本项目拟基于稀疏表达理论对高维信号表达与处理的优势，建立高光谱遥感影像的稀疏表达模型，融合影像空间信息，发展普适性高、稳定性强的空-谱融合高光谱遥感影像混合像元稀疏分解和空间定位的模型与方法。其主要思路是基于地面光谱仪和影像学习的方法构造过完备端元光谱库；利用稀疏表达理论对欠定问题的求解能力，融合非局部正则化空间约束、组套索等思想，建立空-谱融合的混合像元稀疏分解理论方法；结合稀疏表达理论和空间定位模型，实现联合稀疏分解的亚像元空间定位，揭示地物亚像元级空间分布信息，其最终成果可以提升高光谱遥感影像的应用潜力，具有重要的理论与应用意义。

高光谱遥感影像常受到混合像元问题的影响而限制其应用潜力。混合像元光谱分解和亚像元空间定位技术是解决混合像元问题的有效途径。本项目基于稀疏表达理论对高维信号表达与处理的优势，以“高光谱影像稀疏表达—过完备端元光谱库构造—空-谱融合混合像元稀疏分解—联合稀疏分解的亚像元空间定位”为研究主线，发展了统一、稳健的空-谱融合高光谱遥感影像混合像元稀疏分解和空间定位的模型与方法，主要成果包括：（1）利用稀疏表达理论对欠定问题的求解能力，建立了高光谱遥感影像自适应空谱融合稀疏表达与分解模型框架；（2）提出了基于影像学习的完备端元光谱库的构造与学习方法；（3）融合影像空间信息，发展普适性高、稳定性强的非局部稀疏分解模型；（4）提出了基于MAP自适应亚像元定位等一系列亚像元空间定位的模型与方法，揭示了地物亚像元级空间分布信息；（5）搭建了星-空-地高光谱观测平台。基于理论成果，研发了高光谱遥感信息处理原型系统，已应用于国产高光谱遥感数据处理，被国产高光谱卫星研制与应用单位认为“与其它国内软件相比，在国产高光谱遥感数据处理方面具有明显的优势”。.在项目资助下，项目组共发表论文74篇，其中在“ISPRS Journal of Photogrammetry and Remote Sensing”、“IEEE Transactions on Geoscience and Remote Sensing”等国际著名期刊上发表SCI论文51篇（其中一区论文5篇，二区论文34篇），第一/通讯作者SCI论文46篇，3篇论文入选ESI高被引论文；申请发明专利2项；获国际光学工程学会（SPIE）理论创新奖。在人才培养方面，项目负责人晋升为三级教授，入选国家自然科学基金优秀青年基金、湖北省杰青等人才支持计划；当选3个遥感领域国际著名SCI期刊IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing、International Journal of Remote Sensing、Remote Sensing的副主编/编委；项目组成员3人被聘为副教授；共毕业博士生4人，硕士生6人，其中1人获湖北省优秀博士学位论文，在读硕士/博士研究生12人；4人次获得国内优秀报告奖；60余人次进行国内外学术交流。