資源描述：
《一種高光譜圖像的雙壓縮感知模型》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、航空學(xué)報(bào)Sep．252015V01．36No．93041-3049ActaAeronauticaetAstronauticaSinicaISSN1000-6893CN11-1929／Vhttp：#hkxb．buaa．edu．CRhkxb@buaa．edu．ca一種高光譜圖像的雙壓縮感知模型馮燕1’*，王忠良1’2，王麗11．西北工業(yè)大學(xué)電子信息學(xué)院陜西省信息獲取與處理重點(diǎn)實(shí)驗(yàn)室，西安7101292．銅陵學(xué)院電氣工程學(xué)院，銅陵244000摘要：高光譜圖像因其海量數(shù)據(jù)性，給存儲(chǔ)、傳輸及后續(xù)分析處理帶來了挑戰(zhàn)。壓縮感知理論提供了一種全新的信號(hào)采集框架。
2、針對(duì)高光譜數(shù)據(jù)的三維特性，提出一種雙壓縮感知的采樣與重構(gòu)模型。該模型在采樣階段兼顧高光譜數(shù)據(jù)的空間和譜間稀疏特性，構(gòu)造了能同時(shí)實(shí)現(xiàn)空間和譜間壓縮采樣的感知矩陣；重構(gòu)階段不同于傳統(tǒng)的壓縮感知重構(gòu)方法直接重構(gòu)高光譜數(shù)據(jù)，而是將高光譜數(shù)據(jù)分離成端元和豐度分別進(jìn)行重構(gòu)，然后利用重構(gòu)的端元和豐度信息合成高光譜數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明，所提雙壓縮感知在低采樣率下重構(gòu)精度較三維壓縮采樣提高了10dB以上，更為顯著的是運(yùn)算速度提升了3個(gè)數(shù)量級(jí)，同時(shí)該方法還便于獲得端元和豐度信息。關(guān)鍵詞：高光譜圖像；壓縮感知；數(shù)據(jù)壓縮；線性混合模型；端元提取；豐度估計(jì)中圖分類號(hào)：V24
3、3．5；TP751．1文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1000—6893(2015)09—3041—09隨著成像光譜技術(shù)的不斷發(fā)展，高光譜遙感由于具有極強(qiáng)的地物分類和識(shí)別能力，已經(jīng)成為遙感領(lǐng)域一個(gè)快速發(fā)展的重要分支。與傳統(tǒng)遙感相比，隨著光譜分辨率的不斷提高，高光譜遙感所獲取的數(shù)據(jù)量呈指數(shù)量級(jí)增加，給數(shù)據(jù)的計(jì)算、存儲(chǔ)和傳輸都帶來了巨大的壓力。因此，有效地進(jìn)行數(shù)據(jù)壓縮是目前高光譜技術(shù)中迫切需要解決的難題。壓縮感知(CompressedSensing，CS)理論[1。31提供了一種全新的信號(hào)采集框架，將壓縮和采樣過程巧妙地結(jié)合起來，實(shí)現(xiàn)了采樣率低于傳統(tǒng)奈奎斯特
4、率下的數(shù)據(jù)采集。該信號(hào)采集方式具有編碼簡單、解碼較復(fù)雜、能夠?qū)崿F(xiàn)較為高效的壓縮以及抗誤碼性能好等特點(diǎn)，這些特點(diǎn)非常適合機(jī)載或星載的高光譜遙感成像技術(shù)。壓縮采樣數(shù)據(jù)的信號(hào)重構(gòu)需要從較少的觀測(cè)數(shù)據(jù)中精確恢復(fù)出原數(shù)據(jù)，因此重構(gòu)時(shí)需要解決欠定方程的求解問題，可通過求解優(yōu)化問題來實(shí)現(xiàn)。通過對(duì)CS理論的研究，產(chǎn)生了一系列高效的重構(gòu)算法。對(duì)于高光譜數(shù)據(jù)，文獻(xiàn)E4]針對(duì)三維數(shù)據(jù)的特點(diǎn)，提出了三維壓縮采樣(ThreeDimen—sionalCompressiveSampling，3DCS)，構(gòu)造了能同時(shí)兼顧數(shù)據(jù)空間平滑性和譜間低秩性的壓縮感知成像系統(tǒng)，重構(gòu)時(shí)通過增
5、加三維全變分和低秩正則項(xiàng)來提高重構(gòu)精度；劉海英等[5。6]在分析高光譜圖像壓縮采樣數(shù)據(jù)特性的基礎(chǔ)上，提出了一種基于譜間預(yù)測(cè)和聯(lián)合優(yōu)化的壓縮感知圖像重構(gòu)算法；文獻(xiàn)I-7]根據(jù)高光譜數(shù)據(jù)的稀疏性、空間相關(guān)性和譜間相關(guān)性，提出了一種基于復(fù)合正則化的高光譜圖像壓縮感知投影與重構(gòu)方法?，F(xiàn)有的高光譜數(shù)據(jù)壓縮感知重構(gòu)算法大多直接重構(gòu)原始數(shù)收稿日期：2014-09-15；退修日期：2014-10-13；錄用日期：2014—12—10；網(wǎng)絡(luò)出版時(shí)間：2014-12-3016：14網(wǎng)絡(luò)出版地址：WWWcnkinet／kcms／detail／S1000—6893．20
6、14．0350．htmI基金項(xiàng)目：國家自然科學(xué)基金(61071171)；安徽省高等學(xué)校省級(jí)自然科學(xué)研究項(xiàng)目(KJ20138298)；西北工業(yè)大學(xué)博士論文創(chuàng)新基金(CX201424)*通訊作者．Tel：029—88431255E—mail：sycfy@nwpuedu．CR戮用搭武lFengY，WangZL，WangL．AdoublecompressedsensingmodelofhyperspectralimageryEJJ．ActaAeronauticaetAstronauticaSinica．2015。36(9)：3041-3049馮燕．王忠良
7、，I麗÷一種高光譜圖像的雙壓縮感知模型!J]?航空學(xué)報(bào)．2015，36(9)：3041-3049．航空學(xué)報(bào)Sep252015Vol36No．9據(jù)，數(shù)據(jù)量大，處理速度慢。高光譜數(shù)據(jù)的線性混合模型(LinearMixingModel，LMM)作為一種常規(guī)而有效的光譜混合模型，被廣泛應(yīng)用于高光譜圖像的混合像元分解[8-9]。該模型指出高光譜數(shù)據(jù)矩陣可以看作端元矩陣和豐度矩陣的乘積。本文根據(jù)高光譜數(shù)據(jù)的空間和譜間稀疏性，提出一種高光譜圖像的雙壓縮感知(DoubleCompressedSensing，DCS)采樣和重構(gòu)模型。在信號(hào)采集端采用空間和譜間分離的
8、壓縮采樣模式；在解碼端，根據(jù)高光譜數(shù)據(jù)線性混合模型假設(shè)，將高光譜數(shù)據(jù)分離成端元和豐度分別進(jìn)行估計(jì)，然后利用估計(jì)的端元和豐度信息合成高光譜
