基于在線字典學習的高光譜圖像壓縮技術研究.pdf

1、近年來隨著高光譜遙感技術的不斷進步，成像光譜儀的光譜通道數(shù)更多，高光譜數(shù)據(jù)的空間分辨率和光譜分辨率越來越高，數(shù)據(jù)量自然也隨之增加。由于技術的發(fā)展導致的高光譜圖像數(shù)據(jù)量上的巨大膨脹，盡管計算機數(shù)據(jù)處理能力的進步提升了高光譜圖像數(shù)據(jù)傳輸和存儲的效率，但是高光譜圖像的海量數(shù)據(jù)帶來的傳輸速度和存儲容量壓力，一定程度上制約著高光譜遙感技術邁向更進一步的發(fā)展。因此，高光譜圖像數(shù)據(jù)壓縮技術對高光譜遙感數(shù)據(jù)的應用和發(fā)展起到了至關重要的作用。
　　

2、論文首先對高光譜圖像作簡要的介紹，從高光譜數(shù)據(jù)的特點來分析高光譜圖像壓縮的必要性和可行性。更進一步地，通過從多個角度對高光譜圖像數(shù)據(jù)進行詳細的分析，得出相關結論，即相較于普通自然圖像，高光譜圖像有較強的譜間相關性，并且高光譜圖像的譜間相關性要強于其空間相關性。
　　其次,論文對高光譜圖像數(shù)據(jù)去相關方法進行了研究，從傳統(tǒng)的數(shù)據(jù)去相關方法出發(fā)，通過實驗比較它們應用于高光譜圖像三維變換的效果，在此基礎上進而提出結合光譜曲線聚類和主成分分

3、析能夠更好的去除高光譜圖像譜間相關性的方法，并通過實驗得到驗證。
　　然后，論文針對高光譜圖像光譜曲線聚類這一研究問題，為了得到更好的光譜曲線聚類效果，文中提出了新型光譜曲線譜聚類算法，其中對于光譜曲線相似度，給出了更好的度量方法。通過結合新型光譜曲線譜聚類和主成分分析方法，通過實驗驗證能夠達到更好的數(shù)據(jù)去相關效果。
　　最后，稀疏編碼模型可以通過學習得到的光譜曲線字典元素來表示對應的物質材料，由于根據(jù)相應數(shù)據(jù)集合學習得到的