【摘要】：高光譜圖像因空譜特性使其冗余信息量較大,難于使用和存儲(chǔ),當(dāng)作為科研和應(yīng)用領(lǐng)域的研究對(duì)象時(shí),也因數(shù)據(jù)量之大而使數(shù)據(jù)處理的速度下降,計(jì)算的時(shí)間較長(zhǎng)和效率較差是處理高光譜圖像的一個(gè)難題。圖像經(jīng)過壓縮后,數(shù)據(jù)以較小的信息量進(jìn)行存儲(chǔ),又能從該信息中精確地逼近原始信號(hào),即可解決高光譜圖像存儲(chǔ)量大,不易計(jì)算和運(yùn)行難問題。針于該問題,本論文在國(guó)家自然科學(xué)基金(51675258,51261024),江西省教育廳科學(xué)技術(shù)研究項(xiàng)目(No.GJJ150699)資助下展開研究,提出基于Grouplet變換的高光譜圖像壓縮重構(gòu)算法,而稀疏壓縮并能精確重構(gòu)是本論文研究?jī)?nèi)容的主要目的。通過實(shí)驗(yàn)研究對(duì)比不同算法的優(yōu)越性,然后將這些算法應(yīng)用在自然高光譜圖像上,去驗(yàn)證所提方法的正確性及可靠性。在不同算法的壓縮重構(gòu)下,得到了一些有價(jià)值的結(jié)論:第一,高光譜圖像經(jīng)過Grouplet基和Wavelet基分別稀疏表達(dá),然后采用AKL變換對(duì)譜間冗余進(jìn)行壓縮。在高光譜圖像的稀疏能力方面,Grouplet變換優(yōu)于Wavelet變換。高光譜圖像中某些受噪聲影響較大的波段經(jīng)過Grouplet變換的稀疏過程能夠得到較好的表示。優(yōu)質(zhì)稀疏基所表達(dá)的稀疏系數(shù)能夠?yàn)閴嚎s重構(gòu)算法提供高精度的稀疏模型。故Grouplet-AKL算法顯著提高了對(duì)高光譜圖像的譜間壓縮及稀疏重構(gòu)精度,且該算法的精確度優(yōu)于Wavelet-AKL變換。第二,高光譜圖像譜間冗余被壓縮后,所得數(shù)據(jù)需要繼續(xù)去除空間域的冗余。將Grouplet變換與壓縮感知算法相結(jié)合,構(gòu)成Grouplet-CS變換。本論文將該算法應(yīng)用于高光譜圖像的稀疏壓縮,并且使用兩種最經(jīng)典的貪婪重構(gòu)算法進(jìn)行信息恢復(fù)。通過對(duì)高光譜圖像進(jìn)行壓縮和重構(gòu),比較不同稀疏基和重構(gòu)算法的性能,得出如下結(jié)果:(1)相較于Wavelet基,對(duì)高光譜大數(shù)據(jù)的每單一波段稀疏重構(gòu),Grouplet基的誤差都明顯減小,這表明Grouplet變換可提供更優(yōu)質(zhì)的稀疏表達(dá)能力和圖像重構(gòu)精度;(2)omp、romp重構(gòu)算法的重構(gòu)效果都比較理想,重構(gòu)圖像輪廓明確,紋理細(xì)節(jié)清晰,辨識(shí)度較高。在相同采樣率下,romp重構(gòu)算法的平均信噪比峰值(APSNR)明顯高于omp重構(gòu)算法,且兩種重構(gòu)算法的恢復(fù)精確度隨著空間壓縮率的升高,顯著減小。針對(duì)3D空間域的高光譜圖像整體采樣壓縮,采用Grouplet基進(jìn)行3D稀疏表達(dá),既提升了壓縮速率,也提高了高光譜圖像的重構(gòu)質(zhì)量。第三,實(shí)際問題中的高光譜圖像含有復(fù)雜類型的噪聲,而壓縮感知算法未能對(duì)噪聲信號(hào)進(jìn)行估計(jì),使得壓縮后的數(shù)據(jù)因受噪聲影響,從而影響重構(gòu)精度。本論文將貝葉斯的思想引入壓縮感知算法,在投影觀測(cè)稀疏模型的同時(shí)估計(jì)潛藏的噪聲信號(hào),并將貝葉斯壓縮感知算法與Grouplet變換相結(jié)合,從而提出Grouplet-BCS算法提高信號(hào)重建精度。在信號(hào)信息重建過程中,根據(jù)噪聲的后驗(yàn)分布情況,精確恢復(fù)稀疏信號(hào)數(shù)據(jù)�？紤]貝葉斯壓縮感知算法存在的不足,提出變分貝葉斯壓縮感知算法和快速貝葉斯壓縮感知算法,并分別與Grouplet變換相結(jié)合。將Wavelet基和Grouplet基分別與六種壓縮重構(gòu)算法相結(jié)合,比較不同算法的稀疏性能及壓縮重構(gòu)的精確性。研究結(jié)果表明:(1)與Wavelet變換相比,自然圖像使用Grouplet基進(jìn)行稀疏表達(dá),其所得系數(shù)的性能隨采樣點(diǎn)數(shù)的增加而逐漸優(yōu)化,且更逼近原始信號(hào);(2)變分貝葉斯壓縮感知算法比快速貝葉斯壓縮感知算法能夠?yàn)閳D像重構(gòu)過程提供更優(yōu)質(zhì)的稀疏模型,但是其計(jì)算量較大,使其運(yùn)行所用時(shí)間較長(zhǎng)。而快速算法則大大提高了運(yùn)行速率,且隨采樣點(diǎn)數(shù)的增加,精度與變分算法相差無幾。第四,自然高光譜圖像經(jīng)過自適應(yīng)閾值的Grouplet變換進(jìn)行稀疏重構(gòu),其各波段的圖像信息和噪聲信號(hào)都得以稀疏表達(dá),通過自適應(yīng)閾值的方式進(jìn)行消噪處理,預(yù)先去除部分的冗余信息,從而獲得更優(yōu)質(zhì)的稀疏模型。針對(duì)高光譜圖像的壓縮重構(gòu),本論文在貝葉斯理論的基礎(chǔ)上提出自適應(yīng)投影的壓縮感知測(cè)量矩陣,既自適應(yīng)估計(jì)稀疏模型又估計(jì)噪聲信號(hào)。故結(jié)合這兩種算法構(gòu)成自適應(yīng)的Grouplet-FBCS算法,并用于自然高光譜圖像的壓縮與重構(gòu),即使各波段的圖像受到不同程度的噪聲影響,但該算法依然能夠自適應(yīng)地逼近原始信號(hào),并精確地重建圖像信息。通過比較四種算法的重建誤差和信噪比峰值,結(jié)果表明:與其它三種壓縮重構(gòu)算法相比較,該算法對(duì)自然圖像去除冗余信息和消噪的能力更強(qiáng),信息恢復(fù)的精度更優(yōu)。重構(gòu)圖像與原始圖像的結(jié)構(gòu)相似性和特征相似性更高,從而重構(gòu)效果更可靠。
【圖文】：

高光譜圖像數(shù)據(jù)三維立體坐標(biāo)圖

它選自于 220 Band AVIRIS 高光譜圖像數(shù)據(jù)集：1992 年 6 月 12 日印度松場(chǎng) 3。該圖像大小為 598*563*191，，本論文截取 500*500*191 的圖像進(jìn)行實(shí)驗(yàn)用數(shù)據(jù)選取的是高光譜數(shù)據(jù)是葡萄牙布拉加城市的城市景觀 Ribeira 圖像rown 圖像[22]，該數(shù)據(jù)的單一波譜大小為 1018*1339，共 33 個(gè)波譜。實(shí)驗(yàn)所用據(jù)與應(yīng)用所用的數(shù)據(jù)雖都為高光譜數(shù)據(jù)，但數(shù)據(jù)類型不同，應(yīng)用數(shù)據(jù)總計(jì) 33 段，波段數(shù)量明顯少于實(shí)驗(yàn)所用的數(shù)據(jù)。
【學(xué)位授予單位】：南昌航空大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王斌;;基于高光譜圖像技術(shù)的水果表面農(nóng)藥殘留檢測(cè)觀察[J];種子科技;2017年04期

2 陳綾鋼;呂靖芳;;高光譜圖像技術(shù)在農(nóng)產(chǎn)品監(jiān)測(cè)中的應(yīng)用進(jìn)展[J];北京農(nóng)業(yè);2016年01期

3 朱貞映;袁建;何榮;;糧油中高光譜圖像技術(shù)的應(yīng)用現(xiàn)狀[J];糧食與飼料工業(yè);2016年09期

4 徐爽;何建國(guó);馬瑜;梁慧琳;劉貴珊;賀曉光;;高光譜圖像技術(shù)在水果品質(zhì)檢測(cè)中的研究進(jìn)展[J];食品研究與開發(fā);2013年10期

5 葉珍;白t

本文編號(hào)：2622475