基于线性混合模型的高光谱图像分布式压缩感知

陈欣, 粘永健, 王忠良

陈欣, 粘永健, 王忠良. 基于线性混合模型的高光谱图像分布式压缩感知[J]. 红外技术, 2019, 41(8): 758-763.
引用本文: 陈欣, 粘永健, 王忠良. 基于线性混合模型的高光谱图像分布式压缩感知[J]. 红外技术, 2019, 41(8): 758-763.
CHEN Xin, NIAN Yongjian, WANG Zhongliang. Distributed Compressive Sensing for Hyperspectral Imaging Based on Linear Mixing Model[J]. Infrared Technology , 2019, 41(8): 758-763.
Citation: CHEN Xin, NIAN Yongjian, WANG Zhongliang. Distributed Compressive Sensing for Hyperspectral Imaging Based on Linear Mixing Model[J]. Infrared Technology , 2019, 41(8): 758-763.

基于线性混合模型的高光谱图像分布式压缩感知

基金项目: 安徽省高等学校自然科学研究重点项目(KJ2016A884)%安徽省高等学校省级自然科学研究项目(KJ2013B298)%安徽省高等学校省级质量工程项目(2016zy126)%重庆市基础科学与前沿技术一般项目(cstc2016jcyjA0539)
详细信息
  • 中图分类号: TP751

Distributed Compressive Sensing for Hyperspectral Imaging Based on Linear Mixing Model

  • 摘要: 为了实现高光谱图像的有效压缩采样与重构,对分布式压缩采样的高光谱数据应用线性混合模型进行重构.首先,在图像采集阶段,针对高光谱图像的空谱特性,应用分布式压缩采样策略对高光谱数据进行采集;在数据重构阶段,应用高光谱图像的线性混合模型假设,先对压缩数据进行端元数目的估计,再利用估计的端元数来估计丰度矩阵,根据端元特征信号的稀疏性质提取端元矩阵,从而重构出原始的高光谱数据,抛弃了压缩感知重构算法中高计算复杂性的欠定问题求解.实验结果表明:在压缩采样数据为总数据的20%时,重构的平均信噪比比压缩投影主成分分析算法提高了15 dB以上,同时该方法还便于获得端元和丰度信息.所设计的压缩感知方案采样方式简单,重构速度快、精度高,可应用于星载或机载的高光谱压缩感知成像.
  • 期刊类型引用(5)

    1. 李硕,韩迎东,王双,刘琨,江俊峰,刘铁根. 基于Pearson相关系数的图像误匹配点剔除算法. 激光与光电子学进展. 2021(08): 263-273 . 百度学术
    2. 赵耀,熊智,田世伟,刘建业,崔雨晨. 基于SAR图像匹配结果可信度评价的INS/SAR自适应Kalman滤波算法. 航空学报. 2019(08): 216-227 . 百度学术
    3. 李尊,申小萌,苗同军. 对比度阈值自适应的SIFT图像拼接算法. 红外技术. 2017(10): 946-950 . 本站查看
    4. 林丽萍,张亚萍. 基于错配剔除的三维重建研究. 系统仿真学报. 2017(11): 2644-2648 . 百度学术
    5. 杨雨薇,张亚萍. 一种改进的SIFT图像检测与特征匹配算法. 云南大学学报(自然科学版). 2017(03): 376-384 . 百度学术

    其他类型引用(10)

计量
  • 文章访问数:  93
  • HTML全文浏览量:  15
  • PDF下载量:  16
  • 被引次数: 15
出版历程

目录

    /

    返回文章
    返回