2.765

2022影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于光谱相似性的高光谱图像超分辨率算法

潘宗序 禹晶 肖创柏 孙卫东

潘宗序, 禹晶, 肖创柏, 孙卫东. 基于光谱相似性的高光谱图像超分辨率算法. 自动化学报, 2014, 40(12): 2797-2807. doi: 10.3724/SP.J.1004.2014.02797
引用本文: 潘宗序, 禹晶, 肖创柏, 孙卫东. 基于光谱相似性的高光谱图像超分辨率算法. 自动化学报, 2014, 40(12): 2797-2807. doi: 10.3724/SP.J.1004.2014.02797
PAN Zong-Xu, YU Jing, XIAO Chuang-Bai, SUN Wei-Dong. Spectral Similarity-based Super Resolution for Hyperspectral Images. ACTA AUTOMATICA SINICA, 2014, 40(12): 2797-2807. doi: 10.3724/SP.J.1004.2014.02797
Citation: PAN Zong-Xu, YU Jing, XIAO Chuang-Bai, SUN Wei-Dong. Spectral Similarity-based Super Resolution for Hyperspectral Images. ACTA AUTOMATICA SINICA, 2014, 40(12): 2797-2807. doi: 10.3724/SP.J.1004.2014.02797

基于光谱相似性的高光谱图像超分辨率算法

doi: 10.3724/SP.J.1004.2014.02797
基金项目: 

国家自然科学基金(61171117),国家科技支撑计划项目(2012BAH31B01),中国博士后科学基金(2013M540946),北京市教育委员会科技计划重点项目(KZ201310028035)资助

详细信息
    作者简介:

    禹晶 清华大学电子工程系博士后.2011 年获清华大学电子工程系博士学位. 主要研究方向为图像处理与模式识别. E-mail: yujing@tsinghua.edu.cn

    通讯作者:

    潘宗序 清华大学电子工程系博士研究生. 2010 年获哈尔滨工业大学电子与信息工程学院学士学位. 主要研究方向为图像处理, 模式识别, 压缩感知与稀疏表示和空间信息处理与应用. 本文通信作者. E-mail: panzxtsinghua@163.com

Spectral Similarity-based Super Resolution for Hyperspectral Images

Funds: 

Supported by National Natural Science Foundation of China (61171117), National Science and Technology Pillar Program of China (2012BAH31B01), the Postdoctoral Science Foundation of China (2013M540946), and Key Project of the Science and Technology Development Program of Beijing Education Committee of China (KZ201310028035)

  • 摘要: 光谱相似性是指高光谱图像中的大量像元具有相似光谱的性质.提出了一种基于光谱相似性的高光谱遥感图像超分辨率算法,利用遥感图像中广泛存在的结构自相似性提升图像的空间分辨率,利用高光谱图像的低维子空间性通过主成分分析降低光谱维数提高运算效率,利用具有相似光谱的像元构建光谱约束项保证重建图像光谱的准确性.该算法在将单波段图像超分辨率方法推广到处理具有数百、乃至上千波段的高光谱图像过程中,既保证了重建图像光谱的准确性,又具有较高的运算效率.实验表明,与双三次插值和基于稀疏表示与光谱正则化约束的高光谱图像超分辨率算法相比,该算法具有更高的空间分辨率提升能力和更好的光谱保真能力.
  • [1] Shaw G, Manolakis D. Signal processing for hyperspectral image exploitation. IEEE Signal Processing Magazine, 2002, 19(1): 12-16
    [2] Landgrebe D. Hyperspectral image data analysis. IEEE Signal Processing Magazine, 2002, 19(1): 17-28
    [3] Wang Yi-Qun, Yan Chang-Xiang, Miao Chun-An. Choice of spectral-splitting modes in space-borne hyper-spectral imager. Chinese Journal of Optics and Applied Optics, 2009, 2(4): 304-308(汪逸群, 颜昌翔, 苗春安. 星载高分辨率超光谱成像仪分光方式的选择. 中国光学与应用光学, 2009, 2(4): 304-308)
    [4] Akgun T, Altunbasak Y, Mersereau R M. Super-resolution reconstruction of hyperspectral images. IEEE Transactions on Image Processing, 2005, 14(11): 1860-1875
    [5] Eismann M T, Hardie R C. Application of the stochastic mixing model to hyperspectral resolution enhancement. IEEE Transactions on Geoscience and Remote Sensing, 2004, 42(9): 1924-1933
    [6] Guo Z H, Wittmana T, Osher S. L1 unmixing and its application to hyperspectral image enhancement. In: Proceedings of Algorithms and Technologies for Multispectral, Hyperspectral, and Ultraspectral Imagery XV. Orlando, FL, USA: SPIE, 2009. 1-9
    [7] Zhao Y Q, Yang J X, Zhang Q Y, Song L, Cheng Y M, Pan Q. Hyperspectral imagery super-resolution by sparse representation and spectral regularization. EURASIP Journal on Advances in Signal Processing, 2011, 2011(1): 87
    [8] Engan K, Aase S O, Husoy J H. Method of optimal directions for frame design. In: Proceedings of the 1999 IEEE International Conference on Acoustics, Speech, and Signal Processing. Phoenix, AZ, USA: IEEE, 1999. 2443-2446
    [9] Aharon M, Elad M, Bruckstein A. K-SVD: an algorithm for designing overcomplete dictionaries for sparse representation. IEEE Transactions on Signal Processing, 2006, 54(11): 4311-4322
    [10] Elad M, Aharon M. Image denoising via sparse and redundant representations over learned dictionaries. IEEE Transactions on Image Processing, 2006, 15(12): 3736-3745
    [11] Pan Zong-Xu, Yu Jing, Hu Shao-Xing, Sun Wei-Dong. Single image super resolution based on multi-scale structural self-similarity. Acta Automatica Sinica, 2014, 40(4): 594-603(潘宗序, 禹晶, 胡少兴, 孙卫东. 基于多尺度结构自相似性的单幅图像超分辨率算法. 自动化学报, 2014, 40(4): 594-603)
    [12] Daubechies I, Defrise M, De Mol C. An iterative thresholding algorithm for linear inverse problems with a sparsity constraint. Communications on Pure and Applied Mathematics, 2004, 57(11): 1413-1457
    [13] Wang Z, Bovik A C, Sheikh H R, Simoncelli E P. Image quality assessment: from error visibility to structural similarity. IEEE Transactions on Image Processing, 2004, 13(4): 600-612
  • 加载中
计量
  • 文章访问数:  2551
  • HTML全文浏览量:  198
  • PDF下载量:  1979
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-08-27
  • 修回日期:  2014-07-07
  • 刊出日期:  2014-12-20

目录

    /

    返回文章
    返回