高光谱图像光谱解混问题的变分模型和高性能算法研究

Hyperspectral images provide rich spectral and spatial information and are playing an increasingly important role in many applications. Due to the complexity of nature materials and the limiting spatial resolution, different endmembers can jointly present in a single pixel (i.e., mixed pixel) in the hyperspectral image. The spectral unmixing is the process of determining the endmembers present in the mixed pixel and the fractional abundances of the endmembers, which is a critically important pre-process for classification and recognition of materials. Developing mathematical models and high-performance algorithms for spectral unmixing is one of the fundamental problems crying out for solutions during the quantification in hyperspectral imaging applications. This project mainly aims at addressing this fundamental problem in three aspects: (1) based on the new regularizers, study the practical variational models for spectral unmixing and their theoretic properties; (2) based on the splitting philosophy, study the high-performance algorithms for spectral unmixing and their theoretic properties; (3) study the selection methods of the regularization parameters in the spectral unmixing models. The successful implementation of this project has a very high academic and practice value.

高光谱图像提供了非常丰富的光谱信息和空间影像信息，在军事和矿藏勘探等诸多领域发挥着越来越重要的作用。由于自然界地物的复杂多样性以及传感器空间分辨率的限制，高光谱图像中普遍存在光谱可能由几种典型地物光谱混合组成的混合像元。确定混合像元的基本组成端元和基本组成端元所占比例的高光谱图像光谱解混过程是实现成像区域像元地物类型精确分类和识别的重要预处理环节。发展高光谱图像光谱解混问题的数学模型和高性能光谱解混算法是高光谱遥感应用向定量化发展中亟待解决的基础科学问题之一。本项目拟研究高光谱图像光谱解混问题如下三个方面：(1)基于新型正则项，研究实用高光谱图像光谱解混变分模型及其理论性质；(2)基于分而治之的分裂思想，研究适用于大规模高光谱图像的高性能光谱解混算法及其理论性质;(3)研究高光谱图像光谱解混模型中正则化参数的选取方法。本项目研究方案的成功实施具有重要的学术意义和应用价值。

高光谱图像提供了非常丰富的光谱信息和空间影像信息，确定混合像元的基本组成端元及所占比例的高光谱解混是高光谱遥感应用的关键问题之一。如何充分利用高光谱图像空间-光谱维度先验知识是高光谱图像解混及其它高光谱图像应用的基础问题同时也是难点问题之一。本项目以高光谱图像解混为出发点，充分探究了高光谱图像空间-光谱维度先验知识并在此基础上设计了新型的正则项，成功应用到高光谱图像解混、高光谱图像复原和其它高维图像复原等问题，并取得了一系列成果。有力地促进高光谱图像处理及一般高维图像处理的发展，具有重要的学术意义和应用价值。. 按照研究计划，项目圆满完成了课题预期的研究计划，实现了预期目标，并在研究的深度和广度上都比既定计划有了进一步的扩展。在项目资助下，项目组发表科研论文16篇(SCI收录论文15篇、会议论文1篇)，其中包括IEEE Transactions on Image Processing, Numerical Linear Algebra with Application 和CCF A 类会议CVPR等；参编科学出版社出版学术专著一部。成果获2015年四川省科学技术进步奖一等奖。项目组培养毕业博士生3名，在读博士生1名、硕士生4名。

内容获取失败，请点击重试