基于压缩感知的高光谱图像重构

《基于压缩感知的高光谱图像重构》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、爲姑丢難作国硕±学位论文！１基于皮缩感知的髙光谱图像重构作者脱Ｍ－＊取新私１、华爵懒授学校导师姓名、－取疏王晓华起—５ＳＪ企业导师姓名、ＳｍＭ申请学位类别ａｈ＆ｌ一西安电子軒技大学学位论文独创性（或创新性）声明乗承学巧严谨的学良的科学道德，本人声明所單交的论义是我个人巧导帅风和优注和致谢指导下进巧的研究工作及取得的研巧成果。尽我所知，除了文中特别加从标包含他人己经发表或撰写过的研究成巧；也不中所罗列的内巧＾心外，论文中不包含其过的材料—？同工为获得西女电子科技火学或其它教育机构的学位或证书而使用？巧我不。

2、贡献巧己在论文中作了明确的说明并衷Ｊ谢技作的同事对本研究所做的任何一人承担切法律责任。学位论文若巧不实之处，本、之Ｉ／’：期ｒ—扳法口—ｗ：苗本人签名西安电子科技大学关于论文使用授权的说明本人完全了解曲安电子科技大学有关保留和使用学位论义的规定，即；研究生巧校攻读学位期间论文说产权属于西安化子科技大学。学校有权巧留送论文工作的知＾、借阅论文；学校可从公布论文的全部或部分内容，允许采用影的复印件，允许蒼阅兀成的论，合皆位论文研光成果印论义。同时本人保化、结、缩印或巧它复制乎段保存单位文、发保密明专利等成果，單名密为后西适安电子科技大学。的学位论文在＿

3、拇＿年解用本授权巧。本人签名；！．导师整名；一＾如＾。、．化苗日期：＞０任，心疋了日期：—＿学校代码10701学号1302121514分类号TP75密级公开西安电子科技大学硕士学位论文基于压缩感知的高光谱图像重构作者姓名：杨星领域：电子与通信工程学位类别：工程硕士学校导师姓名、职称：张小华副教授企业导师姓名、职称：王晓华高工学院：电子工程学院提交日期：2015年11月HyperspectralImageReconstructionbasedonCompressiveSensingAthesissubmittedtoXIDIANUNIVERSITYinparti

4、alfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationsEngineeringByYangXingSupervisor:ZhangxiaohuaAssociateProfessorWangxiaohuaSeniorEngineerNovember2015摘要摘要高光谱图像由成像光谱仪在几百个相邻的窄波段内同时对地物进行成像所得。多个波段的图像形成三维的数据立方体，其中包含了二维的空间信息和一维光谱信息。空间和波段方向的高分辨特性使得高光谱图像具有很大的数据维度，庞大的信息带来了严峻挑战。

5、传统的压缩方法采用奈奎斯特采样速率对数据进行采样，然后再压缩传输。这种高冗余采样再压缩的过程造成极大的资源浪费，同时也增加了运算复杂度，因此并不适合低功耗、资源有限的机载或星载应用。压缩感知作为一种新颖的信号获取理论，融合了传统的采样与压缩过程，以远低于奈奎斯特采样率的方式直接获取测量数据，降低了采样成本，减少了存储资源。压缩感知的思想是在充分挖掘原数据所具有的性质和先验的基础上建立重构模型，这些先验约束确保了解的最优性。因此，对于高光谱图像压缩感知重建问题来说，应该在充分了解高光谱性质的基础上进行算法研究。本文基于上述提出的这些问题，对高光谱图像的压缩感知重建进行了研究，概括为以下三个方

6、面：首先研究了低秩稀疏分解模型对高光谱图像压缩重建性能的提高。本文分析了高光谱图像不同波段间存在着较强的相关性，以低秩矩阵恢复理论为背景，提出基于低秩稀疏分解的重建模型。该模型通过低秩项来约束波段间的相关性，稀疏项则表示了各波段的差异。通过实验结果分析对比，验证了该算法对重建信噪比的提高作用。其次研究了高光谱图像的非局部特性，提出基于非局部全变差的低秩稀疏重建模型。与普通的自然图像相比，高光谱图像具有丰富的纹理结构和较多的边缘，传统的TV重建容易导致边缘模糊，细节的重建效果不理想。本文在考虑了高光谱图像非局部结构特性的基础上，提出基于非局部TV和低秩稀疏分解的高光谱图像重建算法。实验结果表

7、明，该算法在保证较高重构质量的同时，较好的恢复了细节。虽然高光谱图像波段间具有较强的相关性，但是这种相关性随波段间距的增加而减弱。通过对高光谱图像的特性分析可知，表示同类物质的像素点之间具有较高的相似度。从整体来看，与非同类像元构成的矩阵相比，同类像元构成的矩阵具有更强的低秩性，更适合低秩稀疏模型的重建。因此在前两个工作的基础上，结合聚类算法，提出了基于聚类的非局部全变差和低秩稀疏重构模型。实验结果表明，该算法对高光谱图