高光谱图像信息恢复方法研究.caj

高光谱图像信息恢复方法研究
作者 : 滕艺丹
学位授予单位 : 哈尔滨工业大学
学位名称 : 博士
导师姓名 : 张晔
学位年度 : 2018
关键词 : 高光谱图像；图像恢复；自适应形态学；低秩表达；稀疏解混
摘要 : 空间遥感和光谱成像技术的不断发展,让我们不仅突破了观测距离的限制,也摆脱了可见光的光谱束缚。高光谱图像以更高的光谱分辨率,搭建起了物质微观粒子构成和宏观地物分布特性间的信息桥梁,其图谱合一的表现能力使得遥感突破视觉的束缚而更加接近物理真实,在资源勘探、农林检测、城市规划、目标侦察等领域都得到了广泛应用。然而,复杂的高光谱成像链路以及受限的硬件水平会引入多种降质,严重影响了高光谱图像的对地物本征空谱特性的表现能力和后续应用的性能。受物理原理和现有成像机理的限制,这些降质短时间内无法从根本上避免,现有高光谱遥感平台已经并将继续产生海量高光谱数据,利用图像处理技术对降质高光谱图像进行恢复,并在当前硬件水平下,尽可能提升其质量以更准确的体现地物固有空谱特性,进而提高后续解译精度,对扩大高光谱遥感在工农业生产和国防建设等多领域的应用具有重要的意义。高光谱图像具有图谱合一的特点,降质往往会同时对其光谱特征和空间特征造成损害。一方面,传统方法在恢复降质信息的同时通常对地物本征空谱特性的保护不足;另一方面,各种降质的成因复杂,呈现不同的空谱统计特性,很难被统一的方法有效恢复。实现海量且未知质量的高光谱数据的系统性恢复,使其能更准确地反映地物空谱辐射信息,是当前高光谱遥感领域亟待解决的核心任务。本文突破传统数字图像处理技术的限制,从电磁辐射原理和光谱成像基本机理出发,面向各种降质不同的空谱分布特点,建立退化模型,并利用空谱相关性、先验统计特性和多源遥感信息,提出针对高光谱遥感图像的综合恢复多种降质的新思路。首先,高光谱图像的成像机理不仅是分析其空谱特征和各种降质特性的基础,也为设计区别于常规图像处理技术的降质恢复方法提供理论支撑。本文从电磁辐射的物理原理出发阐述了高光谱成像的基本原理及高光谱图像的空谱特性与地物分布间的联系。在此基础上,对高光谱遥感图像中常见的四类主要降质原因及其各自的空谱分布特点进行分析,建立整体退化模型并梳理恢复任务和评价体系,为本文后续针对性的研究相应的恢复方法奠定理论基础。最后,针对高光谱图像存在大气衰减谱段进而造成诊断性特征损失的问题,利用光谱分辨率高,谱间相关性强的特点,提出了基于双向导数预测的大气衰减谱段恢复方法。实验证明,与传统方法相比,该方法能够更好地还原地物的本征光谱特性,获得很好的恢复效果。其次,针对传感器部分功能单元受损等非线性响应导致空间维扫描出现全波段条带状信息缺损的问题,提出了基于边缘约束和自适应形态学滤波的恢复方法。首先,利用地物的空谱相关性,通过计算光谱信息的空间梯度进行边缘提取以描述地物结构信息并检测降质区域;之后,利用基于局部边缘概率支撑模型和学习算法的边缘重建方法或是借助多源遥感图像的空间结构信息,构建缺失区域的空间结构信息;最后,在边缘约束下生成自适应结构元素结合滤波方法恢复条带内的空谱信息。实验证明,该方法能够更好地保持地物的空间结构特性,并有效抑制了区域交界处的光谱混叠。此外,通过面向应用的分类实验,进一步证明了本文提出的自适应形态学结构元素可以提升滤波算法的空间特性保护能力,这对于高光谱图像的处理和智能解译都有着重要的应用价值。再次,针对复杂成像链路引入的空谱域随机分布的高斯噪声、稀疏噪声、结构性噪声等混合噪声的问题,提出了一种基于超像素分割和多分辨低秩表达的恢复方法。首先,分析了图像信号及混合噪声的空谱域统计特性,建立高光谱图像混合降质退化模型。之后,针对现有方法未有效利用高光谱图像全局低秩性的问题,建立多分辨低秩恢复模型,在低分辨层抑制具有局部低秩性的结构性噪声。最后,在高分辨层,利用线性空谱聚类算法获取空间邻近光谱相似的超像素代替传统的方块作为低秩恢复单元,以提升各单元内地物种类的稳定性和信号的空谱低秩性。实验证明该方法可以更好的去除混合噪声、保护图像的空谱特性,并有效解决了传统低秩恢复架构中的块状效应问题。最后,针对现有成像系统硬件限制导致的高光谱图像空间分辨率低、光谱混叠较为严重的问题,利用多光谱图像与高光谱图像间的空谱相关性,提出了一种基于局部自适应稀疏解混和亚像素校准的融合超分辨方法以进一步恢复地物本征空谱信息。首先,将丰度矩阵稀疏性引入联合光谱解混模型,并根据地物概率分布的空间相关性,优化非负矩阵分解的迭代求解过程,有效地获取了具有更好空谱特性的高分辨率高光谱图像,并明显提升了算法收敛性。之后,为了进一步提升融合超分辨后图像的空间准确性,提出基于最优拟合自适应形态学滤波方法,以融合图像空间特性尽可能接近多光谱图像为目标的亚像素校准方法。实验证明,本方法获取的高分辨率高光谱图像能更准确地体现地物的空谱本征特性。