基于非負結(jié)構(gòu)稀疏表示的光譜圖像超分辨率重建.pdf

1、高光譜圖像在諸如異常檢測、目標識別和圖像分類等很多領(lǐng)域均有非常重要的應(yīng)用。相對于普通的二維圖像，高光譜圖像增加了光譜維信息，譜段數(shù)增多，譜間分辨率更高。高光譜圖像中的每個像素點包含一個連續(xù)譜，可以用來精確和詳細的描述場景中的物體。然而，由于傳感器的限制，直接獲得高分辨率的高光譜圖像是非常具有挑戰(zhàn)性的，當代的高光譜成像技術(shù)嚴重的缺失空間分辨率。為了提高光譜圖像的空間分辨率，改進硬件設(shè)備的方法仍具有一定難度和限制，因此，人們更傾向于基于軟件

2、的方法獲得高分辨率的高光譜圖像。
　　壓縮感知理論是一種新型信號獲取理論，確?？梢詮纳倭康挠^測樣本中準確的重構(gòu)出原始信號，從而節(jié)省資源及減小對硬件設(shè)備的要求。最近，在壓縮感知理論的框架下，利用同一個場景的低分辨率高光譜圖像和高分辨率的彩色圖像聯(lián)合求解得到高空間分辨率高光譜圖像的方法已經(jīng)顯現(xiàn)出不錯的效果。在這些方法中，稀疏非負矩陣分解技術(shù)（SNNMF）利用了彩色圖像和光譜圖像的相關(guān)性，得到了較好的重構(gòu)結(jié)果。然而，這些方法只考慮了光譜

3、間的相關(guān)性，忽略了高光譜圖像豐富的空間結(jié)構(gòu)相關(guān)性和圖像自身光滑性特征。本文對高光譜圖像的超分辨率重建算法進行了系統(tǒng)的研究，所取得的主要研究成果為：
　　1.通過對光譜圖像的非局部相似性的研究，把高光譜圖像的結(jié)構(gòu)稀疏性這一特點作為先驗信息與非負矩陣分解技術(shù)相結(jié)合，提出基于非負結(jié)構(gòu)稀疏表示的高光譜圖像超分辨重建算法。結(jié)構(gòu)稀疏表示的利用比起傳統(tǒng)稀疏性的1范數(shù)約束，更穩(wěn)定。光譜圖像的結(jié)構(gòu)稀疏表示不僅利用高光譜譜間的信息，還挖掘了光譜圖像的

4、空間信息，譜線的非局部自相似性，得到更好的重構(gòu)效果。實驗結(jié)果表明，該算法較其他方法的重建效果明顯提高，尤其是一些細節(jié)部分的視覺效果更好。
　　2.通過對光譜圖像的光滑性的研究，把高光譜圖像的光滑性和稀疏性作為先驗信息與非負矩陣分解技術(shù)相結(jié)合，提出基于非負全變差正則化的高光譜圖像超分辨重建算法。TV正則項和稀疏性作為先驗知識的加入，使得該算法既利用高光譜圖像分解系數(shù)的稀疏性，同時各向異性全變差正則項對高光譜圖像的光滑性這一先驗信息有