线性混合光谱模型高光谱压缩感知

发布时间：2023-04-23 12:29

　　高光谱压缩感知(HCS)对于解决机载或星载高光谱数据的存储与实时传输具有重要意义。目前,线性混合模型(LMM)已被成功应用于HCS;然而,由于光照条件、地形变化以及大气作用等的影响,所获取的地物光谱会发生扰动,从而限制了HCS重建质量的提高。在LMM基础上,通过引入光谱修正项来修正光谱扰动,提出了光谱扰动修正的LMM (SPC_LMM);在此基础上,进一步提出了基于SPC_LMM的HCS (HCS_SPC_LMM)方法。该方法在采样端仅对原始高光谱图像进行光谱维压缩采样,基于压缩采样数据,将SPC_LMM应用HCS的重建,利用交替方向乘子法(ADMM)分别估计SPC_LMM中各分量的最优值,以获得最优的高光谱图像重建质量。实验结果表明,HCS_SPC_LMM能够获得优于其他典型HCS方法的重建质量。

【文章页数】：13 页

【文章目录】：
1 引言
2 线性混合模型（LMM）与光谱扰动修正的线性混合模型（SPC＿LMM)
3 基于修正线性混合模型的高光谱压缩感知
    3.1 光谱维压缩采样
    3.2 基于SPC＿LMM的HCS重建
4 实验结果与分析
    4.1 正则化参数的选取
    4.2 利用SNR比较重建质量
    4.3 重建质量的主观评价
    4.4 利用SAD比较重建质量
    4.5 复杂度比较
5 结论



本文编号：3799720