基于局部低秩矩阵和光谱分解的高光谱与多光谱图像融合

《基于局部低秩矩阵和光谱分解的高光谱与多光谱图像融合》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于局部低秩矩阵和光谱分解的高光谱与多光谱图像融合HyperspectralandMultispectralImageFusionBasedonLocalLowRankandSpectralUnmixing学科专业：信息与通信工程研究生：冯丽洋指导教师：周圆副教授天津大学电气自动化与信息工程学院二零一七年十一月摘要光谱图像是被拍摄场景辐射出的不同电磁波波段下的二维图像集合所组成的三维数据立方。在遥感领域，其在地物分类、矿物质检测和勘探、环境监测、军事监测和空间观测等各种应用中发挥着巨大的作用。在地球观测和区域应用中被广泛使用的两种典型的光谱图像是高光谱图像和多光谱

2、图像。高光谱图像能够提供更加丰富的光谱信息用于检测和分类，然而其空间分辨率比较低。多光谱图像具有较高的空间分辨率但是其光谱分辨率较低。高光谱图像较低的空间分辨率导致大量的混合像素点的存在，这直接限制了其在民用和军事邻域中进行数据分析的能力。因此，将多光谱图像和高光谱图像融合重构一幅同时具有高空间分辨率和高光谱分辨率的图像在光谱图像处理领域逐渐成为一项具有挑战和非常重要的工作。本文提出了一种基于线性光谱分解和局部低秩性质的高光谱和多光谱图像融合算法。首先，通过引入光谱图像局部低秩的性质局部化多光谱图像和高光谱图像，得到成对的多光谱图像块和高光谱图像块。在多光谱图像局

3、部块中对多光谱图像中的空间信息进行有效提取。然后，在高光谱图像块中引入最小单纯性体积正则项对高光谱图像中的光谱信息进行有效提取。最后，采用交替迭代的思路，交替提取空间信息和光谱信息直到算法收敛。在所提融合算法的基础上，为了进一步增强融合效果，本文同时提出一个基于多尺度融合的后处理步骤。实验结果表明本文提出的融合算法优于当前主流融合算法。关键词：高光谱图像，图像融合，多光谱图像，局部低秩，光谱分解IABSTRACTAspectralimageisasetof2-Dimages(thatcanbeseenasa3-Dcube)representingthereflec

4、tanceorradianceofasceneindifferentpartsoftheelectromagneticspectrum.Inthefieldofremotesensing,theseplayanimportantroleinterrainclassification,mineraldetectionandexploration,environmentalmonitoring,militarysurveillance,andspaceobservation.Therearetwotypicalspectralimages,hyperspectrali

5、mages(HSIs)andmultispectralimages(MSIs),thatarewidelyusedinremotesensingforearthobservationsystemsandregionalapplications.AHSimagingsystemprovidesdetailedspectralinformationthatenablestheobservertodetectandclassifyapixelbasedonitsspectralcharacteristics.However,thespatialresolutionofH

6、SIsystemsisgenerallylowerthanthoseofMSIsystems.AnMSimagingsystemhashigherspatialresolutionbutfewerspectralchannelsthanHSI,whichleadstolowerspectralresolution.Inseveralpracticalapplications,thelowspatialresolutionofHSIresultsinalargenumberofmixedpixels,andsignificantlydegradesanalysisc

7、apabilitiesincomparisonwithrequirementsinthecivilandmilitaryfields.Hence,reconstructingahighspatialresolutionHSI(HHSI)fromtwodegradedandcomplementaryimagesisachallengingbutcrucialissue.Inthispaper,weproposeafusionalgorithmbycombininglinearspectralunmixingwiththelocallow-rankproperty.B

8、ytaki