基于超像素稀疏模型的高光谱图像超分辨率重建

摘要

近年来，高光谱图像由于其丰富的谱信息被越来越广泛的应用于地物勘探、农业遥感、海洋遥感、环境监测等领域。然而由于硬件的限制，常难以获取到高分辨率的高光谱图像，这将严重影响高光谱图像在以上领域的应用。因此如何通过软件方法来提升高光谱图像的分辨率已成为图像处理领域的一个重要问题。相比同一场景的高光谱图像，多光谱图像具有较高的空间分辨率而谱分辨率较低，这与高光谱图像是互补的。本文通过融合高光谱图像的谱信息和同一场景多光谱图像的空间信息对高光谱图像超分辨率重建方法进行研究。
　　论文介绍了国内外高光谱图像超分辨率重建算法的研究现状，并在现有高光谱图像超分辨率重建算法的基础上，提出了一种基于超像素稀疏模型的高光谱图像超分辨重建算法和改进的基于超像素组稀疏模型的高光谱图像超分辨率重建方法。本文的主要内容如下：
　　1.为了更充分的利用多光谱图像的丰富空间信息，提出了一种基于超像素稀疏模型的高光谱超分辨重建方法。给定输入低空间分辨率高光谱图像，利用在线字典学习法训练高光谱谱字典，并对高光谱谱字典进行线性变换得到同一场景多光谱谱字典；得到谱字典之后，对多光谱图像进行超像素分割，将每一个超像素块联合稀疏分解为多光谱谱字典和稀疏系数的线性组合，得到的稀疏系数包含多光谱图像的空间信息；最后通过将高光谱图像谱字典与稀疏系数相结合重建高空间分辨率高光谱图像。
　　2.为了充分考虑高光谱图像的内部谱结构特征，提出了一种基于超像素组稀疏模型的高光谱图像超分辨率重建方法。首先利用Kmeans++对输入高光谱图像进行聚类，每个类别分别用交替方向乘子方法训练高光谱子字典，并对高光谱子字典进行线性转换得到多光谱子字典；过分割后的每一个超像素块选择与之最匹配的多光谱子字典并进行稀疏分解得到稀疏系数；最后结合所选高光谱子字典和稀疏系数重建高空间分辨率高光谱图像。
　　3.针对以上两种高光谱图像超分辨重建方法设计了一个软件系统。
　　本文通过对印度松、赤铜矿和帕维亚中心进行实验验证了所提方法的有效性。实验结果表明，超像素分割和子字典训练能更有效的利用多光谱图像的空间信息和输入高光谱图像的内部谱结构信息，从而提升高光谱图像超分辨重建性能。

目录

声明

第1章 绪 论

1.1 研究背景及意义

1.2 遥感技术的发展现状

1.3 高光谱图像超分辨率的研究现状

1.4 本文目标及结构安排

第2章 稀疏表示理论及其在高光谱超分辨率的应用

2.1 引言

2.2 稀疏表示理论

2.3 稀疏表示在高光谱图像超分辨重建中的应用

2.4 本章小结

第3章 基于超像素稀疏模型的高光谱图像超分辨率重建

3.1 引言

3.2 多光谱图像超像素分割

3.3 基于超像素稀疏模型的高光谱图像超分辨率重建

3.4 实验结果与参数讨论

3.5 本章小结

第4章 基于超像素组稀疏的高光谱图像超分辨率重建

4.1 引言

4.2 高光谱图像聚类

4.3 基于超像素组稀疏的高光谱图像超分辨重建

4.4 实验结果与参数讨论

4.5 本章小结

第5章 高光谱图像超分辨重建系统软件实现

5.1 图形用户界面（GUI）

5.2 软件系统的结构

5.3 软件系统的界面和功能介绍

5.4 软件界面操作

5.5 本章小结

总结与展望

参考文献

致 谢

附录A 攻读学位期间所发表的学术论文目录