基于压缩感知理论的波段重构方法

尹继豪; 孙建颖

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

文章导航 > 红外与激光工程 > 2014 > 43(4): 1260-1264

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

1.
北京航空航天大学宇航学院,北京100191

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

1.
School of Astronautics,Beihang University,Beijing 100191,China

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。
- 波段重构 /
- 波段采样 /
- 压缩感知 /
- 高光谱图像
Abstract: Hyperspectral image processing had attracted high attention in remote sensing fields. One of the main issues was to address the problem of huge data and hard transmission via sampling and reconstruction. Compressed sensing theory was investigated in this paper for band reconstruction. Based on compressed sensing theory, original signal could be reconstructed efficiently without satisfying the Nyquist-Shannon criterion. Adjacent spectral bands of hyperspectral images were highly correlated, resulting in strong sparse representation. This significant property made it possible to obtain the whole spectrum information from limited bands of original hyperspectral data via compressed sensing theory. Experimental results demonstrate the feasibility and reliability of applying compressed sensing theory for sampling and reconstruction on bands of hyperspectral images. The proposed band reconstruction method can perform high correlation coefficients and low relative errors between a pair of reconstructed and original hyperspectral bands. Simultaneously, high levels of reconstruction efficiency are achieved, and reconstructed spectral curve is in accordance with original data as well.
- band reconstruction /
- band sampling /
- compressed sensing /
- hyperspectral image

[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.

点击查看大图

计量

文章访问数: 475
HTML全文浏览量: 119
PDF下载量: 256
被引次数: 0

基于压缩感知理论的波段重构方法

1. 北京航空航天大学宇航学院,北京100191

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

收稿日期: 2013-08-12
修回日期: 2013-09-13
刊出日期: 2014-04-25

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

关键词:

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。