基于線性混合模型的高光譜圖像壓縮感知研究

基于線性混合模型的高光譜圖像壓縮感知研究

ID:34876880

大小:10.32 MB

頁(yè)數(shù):140頁(yè)

時(shí)間:2019-03-13

基于線性混合模型的高光譜圖像壓縮感知研究_第1頁(yè)
基于線性混合模型的高光譜圖像壓縮感知研究_第2頁(yè)
基于線性混合模型的高光譜圖像壓縮感知研究_第3頁(yè)
基于線性混合模型的高光譜圖像壓縮感知研究_第4頁(yè)
基于線性混合模型的高光譜圖像壓縮感知研究_第5頁(yè)
資源描述:

《基于線性混合模型的高光譜圖像壓縮感知研究》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(kù)。

1、西北工業(yè)大學(xué)博士學(xué)位論文(學(xué)位研究生)題目:基于線性混合模型的高光譜圖像壓縮感知研究作者:王忠良學(xué)科專業(yè):信息與通信工程指導(dǎo)教師:馮燕2015年11月Title:StudyonCompressiveSensingofHyperspectralImageryBasedonLinearMixingModelsByWangZhong-liangUndertheSupervisionofProfessorFengYanADissertationSubmittedtoNorthwesternPolytechnicalUniversityInpartialfulfillmentof

2、therequirementForthedegreeofDoctorofInformationandCommunicationEngineeringXi’anP.R.ChinaNovember2015摘要摘要隨著高光譜圖像分辨率的不斷提高,成像光譜儀獲取的高光譜數(shù)據(jù)急劇增加,海量的高光譜數(shù)據(jù)給機(jī)載或星載遙感成像系統(tǒng)的數(shù)據(jù)存儲(chǔ)、傳輸和處理帶來(lái)巨大壓力。傳統(tǒng)的高光譜遙感成像面臨高速率采樣、海量數(shù)據(jù)的存儲(chǔ)和傳輸?shù)入y以突破的難題。壓縮感知理論作為一種新穎的數(shù)據(jù)采集理論將數(shù)據(jù)的采樣和壓縮過(guò)程巧妙地結(jié)合起來(lái),實(shí)現(xiàn)采樣率低于傳統(tǒng)奈奎斯特率的數(shù)據(jù)采集和少量觀測(cè)數(shù)據(jù)的精確重構(gòu),降低了對(duì)傳

3、感器的要求,有效避免了追求高分辨率帶來(lái)的軟硬件成本問(wèn)題。壓縮感知理論的誕生為解決傳統(tǒng)高光譜遙感成像面臨的瓶頸問(wèn)題提供了有效的解決途徑,將壓縮感知技術(shù)應(yīng)用于高光譜遙感成像的研究已成為當(dāng)前高光譜數(shù)據(jù)采集研究的熱點(diǎn)。本文以高光譜數(shù)據(jù)的壓縮采樣模式和圖像的重建算法為研究對(duì)象,以高光譜圖像的線性混合模型為契機(jī),致力于尋求高效的高光譜壓縮采樣方式和快速、高精度的壓縮感知重建算法,并針對(duì)當(dāng)前成熟的推掃式和擺掃式高光譜數(shù)據(jù)采集模式研究了壓縮感知成像的實(shí)現(xiàn)方案。論文的主要工作及取得的創(chuàng)新性成果如下:1.針對(duì)高光譜圖像空間或光譜維壓縮采樣形式單一、采樣效率低的問(wèn)題,在分析研究空間壓縮采樣域

4、數(shù)據(jù)特性的基礎(chǔ)上,提出了一種高光譜圖像的空譜壓縮采樣方案。高光譜數(shù)據(jù)采樣先進(jìn)行空間壓縮采樣,再對(duì)壓縮后的數(shù)據(jù)進(jìn)行光譜維壓縮采樣。實(shí)驗(yàn)結(jié)果表明,空譜壓縮采樣有助于提高采樣效率,改善重構(gòu)質(zhì)量。2.針對(duì)傳統(tǒng)高光譜壓縮感知直接重構(gòu)原始圖像數(shù)據(jù)量大的問(wèn)題,在光譜維壓縮采樣數(shù)據(jù)的重構(gòu)過(guò)程中應(yīng)用線性混合模型,提出了已知端元譜和未知端元譜的壓縮感知重構(gòu)算法,以及基于線性光譜庫(kù)混合模型的壓縮感知重構(gòu)算法。應(yīng)用線性混合模型將高光譜圖像分離成豐度系數(shù)和端元特征兩個(gè)小數(shù)據(jù)量的子集,利用混合像元分解算法估計(jì)豐度,稀疏優(yōu)化算法提取端元,再通過(guò)估計(jì)的豐度和提取的端元來(lái)合成原圖像。實(shí)驗(yàn)結(jié)果表明所提的重

5、構(gòu)算法由于估計(jì)的兩子集數(shù)據(jù)量小,運(yùn)行速度上有較大幅度的提升,同時(shí)能獲得更高的峰值信噪比和更好的重建效果。3.針對(duì)高光譜圖像壓縮感知重構(gòu)精度低、計(jì)算復(fù)雜度高的問(wèn)題,提出了基于波段的分布式壓縮感知和基于像元的分布式壓縮感知方案。采樣時(shí)將高光譜圖像分成關(guān)鍵波段圖像與壓縮感知波段圖像或者關(guān)鍵像元與壓縮感知像元,并對(duì)不同類別數(shù)據(jù)采用不同的采樣方式。重構(gòu)時(shí)利用線性混合模型分離不同類別的觀測(cè)數(shù)據(jù),進(jìn)行端元提取和豐度估計(jì),線性譜解混算法的應(yīng)用使得欠定問(wèn)題的優(yōu)化轉(zhuǎn)化成超定方程的求解,大幅提高了重構(gòu)算法的運(yùn)行速度和精度。在基于波段的分布式壓縮采樣基礎(chǔ)上,提出基于迭代預(yù)測(cè)的分布式壓縮感知重構(gòu)

6、算法,進(jìn)一步提高了高光譜壓縮感知的重構(gòu)精度。多個(gè)高光譜數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明,所提的兩種分布式壓縮感知方案重構(gòu)的平均信噪比遠(yuǎn)遠(yuǎn)高于壓縮投影主成分分析算法和三維壓縮采樣算法,且重構(gòu)速度比三維壓縮采樣算法有數(shù)量級(jí)的I提升。4.針對(duì)高光譜圖像壓縮測(cè)量矩陣難以光學(xué)實(shí)現(xiàn)的問(wèn)題,構(gòu)造了實(shí)現(xiàn)空譜聯(lián)合壓縮采樣的測(cè)量矩陣,提出了高光譜圖像的空譜聯(lián)合壓縮感知方案。通過(guò)分析空間壓縮采樣的豐度系數(shù)的數(shù)據(jù)特性,構(gòu)造了便于光學(xué)實(shí)現(xiàn)的、具有特殊結(jié)構(gòu)的空間測(cè)量矩陣。重構(gòu)時(shí)采用線性混合模型通過(guò)提取端元和估計(jì)豐度恢復(fù)原圖像。實(shí)驗(yàn)結(jié)果表明,高光譜圖像采用空譜聯(lián)合的壓縮采樣,重構(gòu)時(shí)利用線性混合模型進(jìn)行分離重構(gòu),

7、能實(shí)現(xiàn)快速、高精度的數(shù)據(jù)采集與重建的目標(biāo)。5.基于擺掃式和推掃式高光譜遙感數(shù)據(jù)采集模式,研究了壓縮感知成像的實(shí)現(xiàn)方案,設(shè)計(jì)了實(shí)現(xiàn)擺掃式基于像元的分布式壓縮采樣成像系統(tǒng)模型、推掃式光譜維和空譜聯(lián)合壓縮采樣成像系統(tǒng)模型。采用棱鏡、柱面透鏡、DMD等光電器件,能使采集的數(shù)據(jù)量大幅減少而不需要進(jìn)行其它壓縮處理,既節(jié)省了存儲(chǔ)空間和傳輸資源,又降低了數(shù)據(jù)壓縮算法帶來(lái)的功耗,有利于機(jī)載或星載高光譜成像的實(shí)現(xiàn)。仿真所設(shè)計(jì)成像系統(tǒng)模型壓縮觀測(cè)數(shù)據(jù),采用本文所設(shè)計(jì)的重構(gòu)算法進(jìn)行重構(gòu),雖然重構(gòu)性能稍有下降,但仍能高精度的恢復(fù)原數(shù)據(jù)。關(guān)鍵詞:高光譜圖像,壓縮感知

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。