高光谱图像压缩感知投影与复合正则重构.pdf

《高光谱图像压缩感知投影与复合正则重构.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、航空学报ActaAeronauticaetAstronauticaSinicahttp：Hhkxb．buaaeducrlhkxb@buaaedu．caAug252012Vo；33No．81466—1473文章编号：10006893(2012)08—146608高光谱图像压缩感知投影与复合正则重构冯燕h。，贾应彪1’2，曹宇明1，袁晓玲11．西北工业大学电子信息学院，陕西西安7101292．韶关学院计算机科学学院，广东韶关512005摘要：压缩感知理论提供了一种新的数据获取和压缩思路，能有效地把计算负担从编码端转移到解码端。高光谱数据具备数据稀疏性、空间相关性和谱间相关性，结合这3类

2、先验知识，提出了一种基于复合正则化的高光谱图像压缩感知投影与重构方法。该方法的编码端只需要一个简单的投影操作；在重构算法实现中，基于变量分裂的思想，把具备多个正则项的优化问题转化成多个简单的优化问题，并用迭代方式求解。实验结果表明，本文算法在高光谱图像重构上能获得更高的峰值信噪比和更好的重构效果。该方法具备极低的编码复杂度，适用于资源受限的机载和星载高光谱成像平台。关键词：压缩感知；高光谱图像；中图分类号：V243．5；TP751．1数据压缩；测量；重构；凸优化文献标识码：A高光谱遥感与传统遥感相比，随着光谱分辨率的不断提高，所获取的数据量呈指数量级增加，因此必须采用有效的压缩方式

3、对高光谱数据实施压缩。到目前为止，高光谱图像压缩技术基本上可以分成3大类：预测编码，变换编码和矢量量化编码。这3类方法具备共同的特征，即编码端复杂的数据处理及编码过程，要求高光谱图像遥感设备具备较强的数据处理能力uJ。由于机载和星载遥感设备等许多实用的高光谱遥感平台其硬件资源非常有限，传统的具备高压缩比的高光谱压缩算法往往由于计算复杂度较大丽不能在这些遥感平台得到实际应用。近几年广受关注的压缩感知(CompressedSensing，CS)理论口。31是一种在稀疏表示和优化理论基础上提出的信号重构理论。压缩感知的本质是直接将采样与压缩相结合，利用信号稀疏表示的先验知识，能从少量的测

4、量值(投影值)中恢复原始信号，如N维原始信号可以通过少量的M次测量，以较高概率重构出来。运用该理论，在编码端只需要通过一个简单的投影过程(也称之为测量)，就能在解码端通过一个相对复杂的求优化过程来重构原信号。可以说，在压缩感知理论中，计算负担从编码端转移到了解码端。由于编码端所需运算量极小，该方法无疑给资源受限的高光谱成像平台(如机载和星载高光谱成像设备)的数据压缩提供了一种新的思路。目前将压缩感知应用到高光谱图像的研究刚刚起步，一种思路是直接将分布式压缩感知(Dis—tributeCompressedSensing，DCS)方法应用到高光谱图像上来，如文献[4]和文献[5]，但由

5、于DCS的联合稀疏模型是一个统一的模型，重构时无法充分利用高光谱图像的先验知识，直接采用收稿日期：2011—07．08；退修日期：2012．01—09；录用日期：2012—04—27；网络出版时间：2012—05—2011：57网络出版地址：WWW．cnkinet／kcms／detail／111929．V．20120520．1157001．mm基金项目：围家自然科学基金(61071171)；国家自然科学基金重点项目(60736007)*通讯作者Tel：029—88431255E—mail：sycfy@nwpu．edu．Cn引用梧武iFengY，JiaYB，CaoYM，eta1．Co

6、mpressedsensingprojectionandcompoundregularizerreconstructionforhyperspectralima—gesActaAeronauticaetAstronauticaSinica，2012，33(8)：1466-1473．冯燕，贾应彪，曹宇晚，等．高光谱图像压缩感知投影与复合正黜重构航空学报．2012，33(8)：1466—1473冯燕等：高光谱图像压缩感知投影与复合正则重构DCS方法重构的性能还有待改善；另一类思路是直接把压缩感知方法单独应用到各波段高光谱图像上，在重构数据时尽量利用高光谱图像的谱间先验信息来提高信号重构

7、性能，如文献[6]，但该文方法重构时只利用了高光谱图像数据的谱间相关性，没有做到同时利用图像的窄间相关性。基于压缩感知基本思路，本文提出一种基于复合正则项的高光谱图像压缩方案。该方案在编码端对各波段图像采用简单的CS测量，在解码端重构时充分考虑高光谱遥感图像数据中各波段图像的空间相关性和相邻波段图像之问的谱问相关性，利用这些先验信息调整优化目标函数的正则项及相关参数来获取更优的重构性能。实验结果表明，本文算法得到的高光谱图像重构精度优于已有的同类压缩感知方法及分布式压