留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于压缩感知理论的波段重构方法

尹继豪 孙建颖

尹继豪, 孙建颖. 基于压缩感知理论的波段重构方法[J]. 红外与激光工程, 2014, 43(4): 1260-1264.
引用本文: 尹继豪, 孙建颖. 基于压缩感知理论的波段重构方法[J]. 红外与激光工程, 2014, 43(4): 1260-1264.
Yin Jihao, Sun Jianying. Hyperspectral band reconstruction based on compressed sensing theory[J]. Infrared and Laser Engineering, 2014, 43(4): 1260-1264.
Citation: Yin Jihao, Sun Jianying. Hyperspectral band reconstruction based on compressed sensing theory[J]. Infrared and Laser Engineering, 2014, 43(4): 1260-1264.

基于压缩感知理论的波段重构方法

基金项目: 

国家自然科学基金天文联合项目(U1331108,11078007);高等学校博士学科点专项科研基金(20101102120030)

详细信息
    作者简介:

    尹继豪(1980- ),男,博士,副教授,主要从事高光谱遥感、深空探测中图像分析及应用的研究。Email:yjh@buaa.edu.cn

  • 中图分类号: TN919.8

Hyperspectral band reconstruction based on compressed sensing theory

  • 摘要: 针对高光谱图像数据量大、信息冗余多、传输难度大等问题,从波段压缩采样入手,通过采样数据重构出原始波段,提出一种基于压缩感知理论的波段重构方法。压缩感知理论是一种在不遵循奈奎斯特采样定理的情况下,能够高精度重构出原始信号的新型压缩采样理论。由于高光谱图像谱间相关性高,具有很强的稀疏性,故可将压缩感知理论用于高光谱数据的波段重构,仅选择少量波段,便能够重构得到原始高光谱数据。实验结果表明,压缩感知理论能够对高光谱图像波段维进行压缩与重构,并可达到较高的重构比例,同时获得较高的重构效率,且重构数据光谱曲线与原始数据光谱曲线的波形一致度高。
  • [1] Xu Hong, Wang Xiangjun. Applications of multispectral/ hyperspectral imaging technologies in military [J]. Infrared and Laser Engineering, 2007, 36(1): 13-17. (in Chinese) 许洪, 王向军. 多光谱、超光谱成像技术在军事上的应用[J]. 红外与激光工程, 2007, (1): 13-17.
    [2]
    [3]
    [4] Yin J, Gao C, Jia X. Using Hurst and Lyapunov exponent for hyperspectral image feature extraction [J]. IEEE Geoscience and Remote Sensing Letters, 2012, 9(4): 705-709.
    [5]
    [6] Donoho D L. Compressed sensing[J]. IEEE Transactions on Information Theory, 2006, 52(4): 1289-1306.
    [7] Xiao Longlong, Liu Kun, Han Dapeng, et al. Focal plane coding method for high resolution infrared imaging [J]. Infrared and Laser Engineering, 2011, 40(11): 2065-2070. (in Chinese) 肖龙龙, 刘昆, 韩大鹏, 等. 焦平面编码高分辨率红外成像 方法[J]. 红外与激光工程, 2011, 40(11): 2065-2070.
    [8]
    [9]
    [10] He Yuanlei, Liu Dazhi, Wang Jingli, et al. Independent component analysis-based band selection for hyperspectral imagery [J]. Infrared and Laser Engineering, 2012, 41 (3): 818-824. (in Chinese) 何元磊, 刘代志, 王静荔, 等. 利用独立成分分析的高光谱 图像波段选择方法[J]. 红外与激光工程, 2012, 41 (3): 818-824.
    [11] Wang L, Wu J. Lossy-to-lossless hyperspectral image compression based on multiplierless reversible integer TDLT/ KLT [J]. IEEE Geoscience and Remote Sensing Letters, 2009, 6(3): 587-591.
    [12]
    [13]
    [14] Cands E J. The restricted isometry property and its implications for compressed sensing [C]//C R Math Acad Sci Serie I, 2008, 346: 589-592.
    [15] Tropp J A, Gilbert A C. Signal recovery from random measurements via orthogonal matching pursuit [J]. IEEE Transactions on Information Theory, 2007, 53(12): 4655-4666.
    [16]
    [17] Yin J, Gao C, Jia X. Wavelet packet analysis and gray model for feature extraction of hyperspectral data [J]. Geoscience and Remote Sensing Letters, 2013, 10(4): 682-686.
    [18]
    [19] Yin Jihao, Sun Jianying, Wang Yisong, et al. Sample weighting constrained energy minimization algorithm[J]. Acta Electronica Sinica, 2012, 40(4): 788-792. (in Chinese) 尹继豪, 孙建颖, 王义松, 等. 样本加权约束能量最小化算 法[J]. 电子学报, 2012, 40(4): 788-792.
  • [1] 孙强, 戴鹭楠, 应恺宁, 倪辰荫.  二分搜索和压缩感知在激光超声内部缺陷快速检测技术的应用 . 红外与激光工程, 2022, 51(2): 20210810-1-20210810-13. doi: 10.3788/IRLA20210810
    [2] 陆秋萍, 石岩, 戴晟昕, 陈义, 赵春柳, 赵天琦, 金尚忠, 牛海彬.  生物组织单像素成像重构的散射干扰抑制 . 红外与激光工程, 2022, 51(3): 20210722-1-20210722-7. doi: 10.3788/IRLA20210722
    [3] 徐亦静, 吴志鹏, 王琦龙.  光谱域编码的压缩光谱测量技术 . 红外与激光工程, 2022, 51(11): 20220093-1-20220093-17. doi: 10.3788/IRLA20220093
    [4] 张赛文, 邓亚琦, 王冲, 冷潇泠, 张光富, 文兵, 邓杨保, 谭伟石, 田野, 李稳国.  基于多测量矢量压缩感知的超分辨荧光显微成像研究 . 红外与激光工程, 2021, 50(11): 20210484-1-20210484-8. doi: 10.3788/IRLA20210484
    [5] 由四海, 王宏力, 冯磊, 何贻洋, 许强.  基于小波变换与压缩感知的脉冲星TOA估计 . 红外与激光工程, 2020, 49(2): 0226001-0226001. doi: 10.3788/IRLA202049.0226001
    [6] 刘永峰, 王年, 王峰, 李从利, 刘晓, 徐国明.  基于谱间相似性的高光谱图像稀疏超分辨率算法 . 红外与激光工程, 2019, 48(S1): 181-192. doi: 10.3788/IRLA201948.S128003
    [7] 尹红飞, 郭亮, 周煜, 孙剑锋, 曾晓东, 唐禹, 邢孟道.  基于改进SVA和压缩感知的SAL旁瓣抑制算法 . 红外与激光工程, 2018, 47(12): 1230005-1230005(8). doi: 10.3788/IRLA201847.1230005
    [8] 王忠良, 冯文田, 粘永健.  结合光谱解混与压缩感知的高光谱图像有损压缩 . 红外与激光工程, 2018, 47(S1): 189-196. doi: 10.3788/IRLA201847.S126003
    [9] 陈雷, 甘士忠, 孙茜.  基于回溯优化的非线性高光谱图像解混 . 红外与激光工程, 2017, 46(6): 638001-0638001(8). doi: 10.3788/IRLA201746.0638001
    [10] 申艳, 解颐, 娄淑琴, 王鑫, 赵彤彤.  基于Contourlet变换和压缩感知的实际光子晶体光纤光 . 红外与激光工程, 2017, 46(3): 321001-0321001(7). doi: 10.3788/IRLA201746.0321001
    [11] 王中阳, 周燕飞, 张小伟, 沈灏, 李恩荣, 韩申生, 宓现强, 田立君, 彭玉峰.  基于随机采样的超高分辨率成像中快速压缩感知分析 . 红外与激光工程, 2017, 46(2): 201002-0201002(7). doi: 10.3788/IRLA201746.0201002
    [12] 张爱武, 杜楠, 康孝岩, 郭超凡.  非线性变换和信息相邻相关的高光谱自适应波段选择 . 红外与激光工程, 2017, 46(5): 538001-0538001(9). doi: 10.3788/IRLA201746.0538001
    [13] 陈善静, 康青, 顾忠征, 王正刚, 沈志强, 蒲欢, 辛颖.  基于三维GMRF的高光谱图像空天融合目标检测 . 红外与激光工程, 2016, 45(S2): 132-139. doi: 10.3788/IRLA201645.S223003
    [14] 杨新锋, 张金娜, 滕书华, 崔宇.  利用压缩感知实现随机变频雷达散射中心估计 . 红外与激光工程, 2016, 45(5): 526004-0526004(6). doi: 10.3788/IRLA201645.0526004
    [15] 杨新锋, 胡旭诺, 粘永健.  基于分类的高光谱图像压缩算法 . 红外与激光工程, 2016, 45(2): 228003-0228003(4). doi: 10.3788/IRLA201645.0228003
    [16] 赵爱罡, 王宏力, 杨小冈, 陆敬辉, 何星.  融合几何特征的压缩感知SIFT描述子 . 红外与激光工程, 2015, 44(3): 1085-1091.
    [17] 赵慧洁, 李明康, 李娜, 丁昊, 蔡辉.  一种基于改进子空间划分的波段选择方法 . 红外与激光工程, 2015, 44(10): 3155-3160.
    [18] 谭歆, 冯晓毅, 王保平.  稀疏带状测量矩阵在压缩感知ISAR成像中的应用 . 红外与激光工程, 2013, 42(11): 3137-3143.
    [19] 朱丰, 张群, 冯有前, 罗迎, 李开明, 梁必帅.  逆合成孔径激光雷达鸟类目标压缩感知识别方法 . 红外与激光工程, 2013, 42(1): 256-261.
    [20] 陈春利, 谢红梅, 彭进业, 王志成, 王保平.  压缩感知机动目标ISAR成像新方法 . 红外与激光工程, 2013, 42(8): 2269-2274.
  • 加载中
计量
  • 文章访问数:  327
  • HTML全文浏览量:  66
  • PDF下载量:  253
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-08-12
  • 修回日期:  2013-09-13
  • 刊出日期:  2014-04-25

基于压缩感知理论的波段重构方法

    作者简介:

    尹继豪(1980- ),男,博士,副教授,主要从事高光谱遥感、深空探测中图像分析及应用的研究。Email:yjh@buaa.edu.cn

基金项目:

国家自然科学基金天文联合项目(U1331108,11078007);高等学校博士学科点专项科研基金(20101102120030)

  • 中图分类号: TN919.8

摘要: 针对高光谱图像数据量大、信息冗余多、传输难度大等问题,从波段压缩采样入手,通过采样数据重构出原始波段,提出一种基于压缩感知理论的波段重构方法。压缩感知理论是一种在不遵循奈奎斯特采样定理的情况下,能够高精度重构出原始信号的新型压缩采样理论。由于高光谱图像谱间相关性高,具有很强的稀疏性,故可将压缩感知理论用于高光谱数据的波段重构,仅选择少量波段,便能够重构得到原始高光谱数据。实验结果表明,压缩感知理论能够对高光谱图像波段维进行压缩与重构,并可达到较高的重构比例,同时获得较高的重构效率,且重构数据光谱曲线与原始数据光谱曲线的波形一致度高。

English Abstract

参考文献 (19)

目录

    /

    返回文章
    返回