-
题名高光谱图像光谱维结构相关性及稀疏重建模型
被引量：6
- 1
-
-
作者
王相海
王顺
谢释铖
李业涛
陶兢喆
宋传鸣
-
机构
辽宁师范大学地理科学学院
辽宁师范大学计算机与信息技术学院
-
出处
《中国科学：信息科学》
CSCD
北大核心
2021年第3期449-467,共19页
-
基金
国家自然科学基金项目(批准号:41671439,41971388)
辽宁省高等学校创新团队支持计划(批准号:LT2017013)资助。
-
文摘
高光谱图像(HSI)的高维度、高冗余等特性给其传输和处理带来了极大的挑战.近年来基于压缩感知的HSI重建受到重视并成为一前沿问题,在这一领域中有效挖掘HSI的稀疏先验成为提高其重建质量的一个关键.本文首先定义了HSI波段组的"光谱维面",并以此为切入点对HSI光谱维的结构相关性进行研究,获得了如下结论:一是HSI光谱维面的纹理分布较空间域更为简单和均匀,且其纹理的对比度低、平稳度高,更容易被稀疏表达,二是在HSI光谱维面,与参考块相邻的搜索区域内存在着一定数量的与参考块具有较高相似度的光谱曲线块;进一步确定了基于光谱维面的HSI光谱维结构相关性的涵义,并提出了相应的稀疏测量模型;在此基础上,通过整合空间维非局部相关性与光谱维结构相关性的稀疏表示,提出了稀疏模型S-SCo SM,并以其为稀疏约束先验构建了HSI的稀疏重构模型.大量实验表明,所提出的稀疏模型S-SCo SM从空间维和光谱维两个角度更深层次地挖掘了HSI的相关性,获得了更为充分和有效的HSI稀疏约束先验,使HSI的重构质量得到进一步提升,在有效提高重构波段图像空间信息质量的同时,很好地保持了波段组的光谱属性.
-
关键词
高光谱图像
光谱维面
光谱维结构相关性
联合稀疏
稀疏重建
波段组
-
Keywords
hyperspectral image
spectral dimension
spectral dimensional correlation
joint sparse
sparse reconstruction
band group
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
