高光谱遥感图像的高精度高分辨混合像元分解处理及并行化研究

瞄准混合像元分解这一高分辨遥感信息处理国际前沿，以课题组多年研究积累为基础和先进的实验设备为条件，⑴ 设计先进的实验获取多种高光谱图像混合像元分解研究数据； ⑵ 揭示图像空间信息分布对混合像元响应的影响规律，进而建立面向高分辨分析的混合像元线性与非线性分解模型； ⑶ 研究高光谱图像降维与特征优化方法，进而建立基于支持向量回归机、遗传规划、多通道递归神经网络和AP算法相结合的高光谱图像混合像元分解处理系列算法；⑷ 利用多核信号处理开展混合像元分解并行化研究并构建基于多GPU的仿真验证系统。该研究是对地观测、月球与深空探测、科学遥感、反恐安全检测、国防与军事、农业产量评估、医学图像分析、环境保护和灾情监测与预报等领域中涉及的共性基础性的高分辨混合分解问题，其成果对定量科学遥感信息处理有重要的学术意义，在高分辨对地观测等领域有广泛的应用前景，对信息获取与处理学科发展有重要促进作用。

在高光谱图像混合像元分解以及与多视图像关联的前沿方向开展深入的研究，超额完成计划内容，主要工作和成果如下。1、在高光谱图像特征提取与预处理方面：提出一种基于流形的非监督特征选择算法，能很好保留高维数据的原始几何结构；针对相邻波段强相关性的特点，提出了一种分割的MUFS高光谱数据处理框架，有良好的波段选择性能；提出了基于3DDWT与决策融合的高光谱图像分类算法。2、在高光谱图像混合像元分解算法方面：建立了基于空间临域保持约束非负矩阵分解的混合像元分解算法，并基于实际高光谱数据验证了算法的有效性；建立了一种基于多通道Hopfield神经网络的混合像元分解框架，进而设计了快速的混合像元分解算法，其性能优于传统的基于梯度的分解算法，可有效解决高度混合的像元问题。3、在目标多视图像处理方面：提出了无需先验信息求解非刚性结构与运动恢复问题的方法，仅利用问题本身的低秩约束而不需要任何先验信息，具有强的通用性和算法简洁性；同时该方法可以避免非刚性分解中的基歧义性等问题，结合压缩感知理论获得问题的最优解，在理论和方法上有重要创新，取得当前世界上最好结果。在图像预处理方面提出了一种新的图像恢复方法来消除大气湍流对图像序列所造成的影响，实验结果表明该方法的有效性。4、在基于GPU的高光谱图像并行处理方法与仿真研究方面： 构建了CPU和4-GPU异构计算架构的处理平台，为高光谱图像快速处理系统提供了一种低成本的解决方案。基于仿真图像和真实图像的实验结果都表明该设计可以达到GPU的峰值计算性能，并且能在保持分解性能不变的情况下，取得相对于CPU实现数百倍的加速效果。承办国际会议2项、全国会议1项。在IEEE TPAMI, TGRS,CVPR等发表论文53篇，其中SCI 9篇（1、2区论文5篇），EI、ISTP分别收录36、11篇次。国际会议特邀报告3篇全国大会特邀4篇。获得国际性学术奖励2次，省级奖2项，培养博士生10人硕士生6人，1人获得澳大利亚杰出青年基金，2人获得陕西省优秀博士学位论文。依托该项目发展为国家自然科学基金重点国际合作项目，部分成果已应用在无人机对地观测等系统中。对于对地观测、深空探测、科学遥感、国防与军事、环境保护和灾情监测与预报等有重要的学术指导意义，在高分辨对地观测等领域有广泛的应用前景，对信息获取与处理学科发展有重要促进作用。

内容获取失败，请点击重试