高光谱图像的分布式压缩感知成像与重构.pdf

高光谱图像的分布式压缩感知成像与重构.pdf

ID:55315481

大小:461.75 KB

页数:7页

时间:2020-05-14

高光谱图像的分布式压缩感知成像与重构.pdf_第1页
高光谱图像的分布式压缩感知成像与重构.pdf_第2页
高光谱图像的分布式压缩感知成像与重构.pdf_第3页
高光谱图像的分布式压缩感知成像与重构.pdf_第4页
高光谱图像的分布式压缩感知成像与重构.pdf_第5页
资源描述:

《高光谱图像的分布式压缩感知成像与重构.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、第23卷第4期光学精密工程V0I.23No.42015年4月OpticsandPrecisionEngineeringApr.2015文章编号1004—924X(2015)04—1131—07高光谱图像的分布式压缩感知成像与重构王忠良,冯燕,肖华。,王(1.西北工业大学电子信息学院,陕西西安710129;2.铜陵学院电气工程学院,安徽铜陵244000;3.铜陵学院数学与计算机学院,安徽铜陵244000)摘要:根据高光谱数据的特点,提出了一种基于像元的分布式压缩采样模型来实现高光谱图像的有效压缩采样与重构。搭建了能实现该模型的压缩采样光谱成像系统

2、,并研究了用于该系统成像的重构算法。在图像采集阶段,将高光谱数据分为参考像元和压缩感知像元;地面像元的辐射能通过棱镜进行谱带分离,再利用数字微镜器件实现谱带的线性编码。对压缩感知像元进行低采样率的线性编码,对参考像元进行采样率为1的线性编码。压缩采样数据重构时,不再采用传统方法直接重构高光谱数据,而是利用线性混合模型将重构高光谱数据转换成端元提取和丰度估计,然后根据重构的端元和丰度恢复原数据。对比实验表明,在压缩采样数据为总数据的2O时,重构的平均信噪比提高了lOdB。所设计的成像系统应用压缩感知理论减少了采集的数据量,采样方式简单,可应用于星

3、载或机载的高光谱压缩感知成像。关键词:分布式压缩感知;高光谱图像;成像光谱仪;线性混合模型;感知矩阵中图分类号:TP751文献标识码:Adoi:10.3788/OPE.20152304.1131DistributedcompressivesensingimagingandreconstructionofhyperspectralimageryWANGZhong—liang~,FENGYan一,XIAOHua。,WANGLi(1.SchoolofElectronicsandInformation,NorthwesternPolytechnical

4、University,Xian710129,China;2.DepartmentofElectricEngineering,TonglingUniversity,Tongling244000,China;3.DepartmentofMathematicsandComputer,TonglingUniversity,Tongling244000,China)*Correspondingauthor,E-mail:sycfy@nwpu.edu.cnAbstract:Accordingtothecharacteristicsofhighspectra

5、ldata,adistributedcompressedsamplingmodelbasedonpixelswasproposedtorealizetheefficientcompressivesamplingandreconstruction.Aspectralimagingsystembasedondistributedcompressedsamplingwasestablishedandareconstructionalgorithmforthissystemwasinvestigated.Intheimageacquisitionsta

6、ge,thehyperspectraldataweredividedintokeypixelsandcompressivesensingpixels.Thegroundpixelswereseparatedalongthespectraldirectionbyaprism.Then,thelinearencodingbetweenthespectralbandswasrealizedbyadigitalmicro—mirrordevice.Thecompressivesensingpixelswerecodedwithalowsamplingr

7、ate,andthekeypixelswerecodedbyasamplingrateof1.Inthereconstructionofthecompressivesampleddata,thetraditionalcompressivesensingreconstructionmethodswhichrecover收稿日期:2014一l1—21;修订日期:2015—01—12.基金项目:国家自然科学基金资助项目(No.61071171);安徽省高等学校省级自然科学研究基金资助项目(NoKJ2013B298);西北工业大学博士论文创新基金资助项

8、目(No.CX201424)光学精密工程第23卷hyperspeetraldatadirectlywereabandoned.However,thel

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。