面向高光谱图像的自适应压缩采样与低秩稀疏重构

项目名称： 面向高光谱图像的自适应压缩采样与低秩稀疏重构

项目编号： No.61401322

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 无线电电子学、电信技术

项目作者： 孟红云

作者单位： 西安电子科技大学

项目金额： 25万元

中文摘要： 波段数目多、光谱分辨率高、波段宽度窄等特点导致高光谱图像包含丰富冗余，研究面向高光谱图像压缩采样方法具有深远的科学意义和明显的应用前景。而现有分块压缩采样忽略图像块之间的差异，容易造成非可压缩图像块资源不足而可压缩块资源过剩，从而导致重构精度差等问题。本项目主要研究高光谱图像的自适应结构化压缩采样和低秩稀疏张量重构.在采样方面,设计基于部分压缩采样的信息冗余度的估计方法,提出采样率自适应分配策略,使得可压缩块获得相对较少的资源,而非可压缩块得到充足的采样,为精确重构奠定基础.在采样矩阵构造方面，在确定采样和随机采样间进行折衷, 设计了基于内容的结构化采样矩阵,提高了采样的效率.在压缩重构方面,将矩阵的低秩稀疏分解推广到高阶张量的低秩稀疏逼近，充分利用高光谱图像中所包含的非局部冗余和结构冗余，提出基于低秩稀疏先验的张量重构方法. 通过该项目的研究，为自适应压缩感知的理论和应用奠定一定基础。

中文关键词： 高光谱压缩采样；结构化采样矩阵；低秩稀疏分解；非局部全变差；

英文摘要： Hyperspectral imaging is a natural field for the implementation of compressive sensing because typical captured hyperspectral data cubes involve large amount of data which is also often very redundant. The construction of sensing Matrix and the design of

英文关键词： Hyperspectral compressive imaging；；structured sampling matrix；low-rank sparse decomposition；non-local total variation；