{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,6,11]]，“日期-时间”：“2024-06-11T00:55:04Z”，“时间戳”：1718067304016}，“引用-计数”：32，“发布者”：“MDPI AG”，“问题”：“4”，“许可证”：[{“开始”:{“日期-零件”：[[2017,3]]，”日期-时间“：”2017-03-23T00:00:00Z“，“时间戳”：149022720000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“资助者”：[{“DOI”：“10.13039\/501100001809”，“name”：“国家自然科学基金”，“DOI-asserted-by”：“publisher”，“award”：[“61371152”，“61071172”，”“61374162”]}，{“name”：“中韩国家自然科学基金联合资助合作项目”，“奖项”：[“61511140292”，“NCET-12-0464”，“201506290120”，“CX201621”]}，{“DOI”：“10.13039\/501100012226”，“名称”：“中央高校基本科研基金”，“DOI-asserted-by”：“publisher”，“奖”：[”3102015ZY045“]}]，“content-domain”:{“domain”：[]，“crossmark-restriction”：false}，“short-container-title”：[“遥感”]，“abstract”：“评估重建高光谱图像（HSI）的质量对于恢复和超分辨率具有重要意义。当前的图像质量评估方法（如峰值信噪比）需要原始参考图像的可用性，而这在实际中往往是不可用的。本文提出了一种基于质量敏感特征提取的无参考高光谱图像质量评估方法。分析了原始HSI和畸变HSI在光谱域和空间域的统计特性差异，提取了对图像质量敏感的多个统计特征。通过结合所有这些统计特征，我们从原始高光谱数据集中学习了一个多元高斯（MVG）模型作为基准。为了评估重建HSI的质量，我们将其划分为不同的局部块，并在每个块上拟合MVG模型。计算每个重建的HSI块的MVG模型和基准MVG模型之间的修改的Bhattacharyya距离以测量质量。通过对所有区块进行平均汇总，得出最终质量分数。我们使用我们提出的方法评估了机载可见红外成像光谱仪（AVIRIS）和Hyperspec-VNIR-C（HyperspecVC）数据的五种最先进的超分辨率方法。结果表明，所提出的质量分数与当前基于参考的评价指标相一致，这表明了所提出的无参考图像质量评价方法的有效性和潜力<\/jats:p>“，”DOI“：”10.3390\/rs9040305“，”type“：”journal-article“，”created“：{”date-parts“：[[2017,3,23]]，”date-time“：”2017-03-23T15:47:59Z“，”timestamp“：1490284079000}，”page“：，“卷：“9”，“作者”：[{“给定”：“晶祥”，“家族”：“杨”，“序列”：“第一”，“隶属关系”：[}“名称”：“西北工业大学自动化学院，西安2019an 710072，中国；yang123jx@mail.nwpu.edu.cn（J.Y.）；chenyi0818@mail.nwpu.edu.cn（C.Y.）“}]}，{“给定”：“永强”，“家族”：“赵”，“序列”：“附加”，“隶属关系”：[{“名称”：“西北工业大学自动化学院，西安2019an 710072，中国；yang123jx@mail.nwpu.edu.cn（J.Y.）；chenyi0818@mail.nwpu.edu.cn（C.Y.）“}]}，{“given”：“Chen”，“family”：“Yi”，“sequence”：“additional”，“affiliation”：[{“name”：“西北工业大学自动化学院，西安2019an 710072，中国；yang123jx@mail.nwpu.edu.cn（J.Y.）；chenyi0818@mail.nwpu.edu.cn（C.Y.）“}]}，{“given”：“Jonathan Cheung-Wai”，“family”：“Chan”，“sequence”：“additional”，“affiliation”：[{“name”：“西北工业大学自动化学院，西安2019an 710072，中国；yang123jx@mail.nwpu.edu.cn（J.Y.）；chenyi0818@mail.nwpu.edu.cn（C.Y.）“}]}]，“member”：“1968”，“published-online”：{“date-parts”：[[2017,3,23]]}，“reference”：[{“key”：“ref_1”，“doi-asserted-by”：“crossref”，”first page“：”122“，”doi“：”10.1016\/j.rse.2015.12.007“，”article-title“：”使用多角度高光谱数据改进冬小麦叶片氮浓度遥感”，“volume”：”174“，“author”：“He”，“年份”：“2016年”，“新闻标题”：“遥感环境”。“}，{”key“：”ref_2“，”doi-asserted-by“：”crossref“，”unstructured“：”Yokoya，N.，Chan，J.C.W.，and Segl，K.（2016）。使用模拟EnMAP和Sentinel-2图像进行矿物测绘的分辨率增强高光谱数据潜力。遥感，8.“，”doi“：”10.3390\/rs8030172“}”，{10.3390\/rs71215835“，”article-title“：”基于高光谱反射率植被指数预测葡萄藤水分状况“，”volume“：”7“，”author“：”Rodrigues“，”year“：”2015“，”journal-title”：“Remote Sens.”}，{“key”：“ref_4”，“doi-asserted-by”：“crossref”，“first page”：”27“，”doi“：”10.1109\/MGRS.2015.2440094“，”article-titel“：”高光谱泛增强：综述”，“卷”：“3”，“作者”：“Loncan”，“年份”：“2015”，“期刊标题”：“IEEE Geosci”。遥感杂志“}，{”key“：”ref_5“，”doi-asserted-by“：”crossref“，”first page“：“389”，”doi“：”10.1016\/j.sigpro.2016.05.002“，”article-title“：”图像超分辨率：技术、应用和未来“，”volume“：“，”首页“：”2671“，”DOI“：”10.1109\/JSTARS.2013.2292824“，”article-title“：”通过空间\u2013光谱联合非局部相似性超分辨率图像“，”volume“：”7“，”author“：”Zhao“，”year“：”2014“，”journal-title”：“IEEE J.Sel。顶部。申请。地球观测站。遥感“}，{”key“：”ref_7“，”doi-asserted-by“：”crossref“，”first page“：“1250”，”doi“：”10.1109\/LGRS.2016.2579661“，”article-title“：”通过光谱混合分析和空间光谱组稀疏性超光谱图像超分辨率“，”volume“：doi-asserted-by“：”crossref“，”first page“：”528“，”doi“：”10.1109\/TGRS.2011.2161320“，”article-title“：”用于高光谱和多光谱数据融合的耦合非负矩阵分解分解“，”volume“：“50”，“author”：“Yokoya”，“year”：“2012”，“journal-title”：“IEEE Trans。地质科学。遥感。“}，{”key“：”ref_9“，”doi-asserted-by“：”crossref“，”unstructured“：”Akhtar，N.，Shafait，F.，and Mian，A.（2014年1月6日\u201312）。高光谱图像超分辨率的稀疏空间光谱表示。瑞士苏黎世欧洲计算机视觉会议论文集。“，”doi“：”10.1109\/CVPR.2015.7298986“}”，{“key”：“ref_10“，”doi-asserted-by“：”crossref“，”first page“：”2827“，”doi“：”10.1109\/TGRS.2012.2213604“，”article-title“：”稀疏图像融合算法及其在平移锐化中的应用“，”volume“：“51”，”author“：”Zhu“，“year”：“2013”，“journal-title”：“IEEE Trans。地质科学。遥感。“}，{”key“：”ref_11“，”doi-asserted-by“：”crossref“，”unstructured“：”Akhtar，N.，Shafait，F.，and Mian，A.（2015年1月7日\u201312）。超光谱图像超分辨率的贝叶斯稀疏表示。美国马萨诸塞州波士顿IEEE计算机视觉和模式识别会议论文集。“doi”：“10.1109\/CVPR.2015.7298986”}，}“key“：”ref_12“，”doi-asserted-by“：”crossref“，”unstructured“：”Lanaras，C.，Baltsavias，E.，and Schindler，K.（2015年1月7日\u201313）。通过耦合光谱解混实现高光谱超分辨。IEEE计算机视觉国际会议记录，智利圣地亚哥。“，”DOI“：”10.1109\/ICCV.2015.409“}，{”key“：”ref_13“，”DOI-asserted-by“：”crossref“，”first page“：“591”，“DOI”：”10.14358\/PERS.72.5.591“，”article-title“：”MTF-定制的高分辨率MS和Pan图像的多尺度融合“，“volume”：“72”，“author”：“Aiazzi”，“year”：“2006”，“journal-title”：“Photogram.Eng.Remote Sens.”}，“key”：“ref_14”，“DOI-asserted-by”：“crossref”，“首页”：“193”，“DOI”：“10.14358\/PERS.74.2193”，“文章标题”：“无参考的多光谱和全色数据融合评估”，“卷”：“74”，“作者”：“Alparone”，“年份”：“2008”，“期刊标题”：“Photogramma。Eng.Remote Sens.“}，{”key“：”ref_15“，”doi-asserted-by“：”crossref“，”first page“：“1275”，”doi“：”10.1109\/TNNLS.2014.236852“，”article-title“：”Blind image quality assessment via deep learning“，“volume”：“26”，“author”：“Hou”，“year”：“2015”，“journal-title”：“IEEE Trans.Neural Netw.Learn.Syst.”}，”{“key”：”ref_16“，“doi-assert-by”：“crossref”，“unstructured”：Xue，W.，Zhang，L.，and Mou，X.（2013年1月23日\u201328）。用于盲图像质量评估的无需人工评分的学习。IEEE计算机视觉和模式识别会议论文集，美国俄勒冈州波特兰”，“DOI”：“10.1109\/CVPR.2013.133”}，{“key”：“ref_17”，“DOI-asserted-by”：“crossref”，“first page”：”4695“，”DOI“：”10.1109\/TIP.2012.2214050“，”article-title“：”空间域中的无参考图像质量评估“，”volume“：”21“，”author“：”Mittal“，”year“：”2012年”，“期刊标题”：“IEEE Trans。图像处理。“}，{”key“：”ref_18“，”doi-asserted-by“：”crossref“，”first page“：“209”，”doi“：”10.1109\/LSP.2012.227726“，”article-title“：”Making a \u201c completely blind \u201d image quality analyzer“，“volume”：“20”，“author”：“Mittal”，“year”：“2013”，“journal-title”：“IEEE Signal Process.Lett.”}，”{“key”：”ref_19“，“doi-assert-by”：“cross”ref“，”首页“：”4850“，”doi“：”10.1109 \/TIP.2014.2355716“，“文章标题”：“利用梯度幅度和拉普拉斯特征的联合统计进行盲图像质量评估”，“卷”：“23”，“作者”：“薛”，“年份”：“2014”，“期刊标题”：”IEEE Trans。图像处理。“}，{”key“：”ref_20“，”doi-asserted-by“：”crossref“，”first page“：“043025”，”doi“：”10.1117\/1.JEI.22.40325“，”article-title“：”基于自然场景的对数导数统计的无参考图像质量评估“，”volume“：参考“，”首页”：“600”，“DOI”：“10.1109\/TIP.2003.819861”，“文章标题”：“图像质量评估：从错误可见性到结构相似性”，“卷”：“13”，“作者”：“王”，“年份”：“2004”，“期刊标题”：“IEEE Trans。图像处理。“}，{”key“：”ref_22“，”doi-asserted-by“：”crossref“，”first page“：“2378”，”doi“：”10.1109\/TIP.2011.2109730“，”article-title“：”FSIM:图像质量评估的特征相似性指数“，”volume“：.AVIRIS\u2014机载可见光/红外成像光谱仪\u2014Data，在线获取：http://\/AVIRIS.jpl.nasa.gov\/data\/free_data.html。“}，{”key“：”ref_24“，”doi-asserted-by“：”crossref“，”first page“：“296”，”doi“：”10.1109\/TGRS.2014.2321557“，”article-title“：”稀疏表示和低秩约束下的高光谱图像去噪“，”volume“：“，”首页“：”1818“，”DOI“：”10.1109\/TGRS.2015.2489218“，”文章标题“：”高光谱图像稀疏去噪与分解与低阶约束耦合“，”体积“：”54“，”作者“：”杨“，”年份“：”2016“，”期刊标题“：“IEEE Trans。地质科学。遥感“}，{”key“：”ref_26“，”doi-asserted-by“：”crossref“，”first page“：“S389”，”doi“：”10.1137\/140980478“，”article-title“：”使用多点扩散函数对高光谱图像进行消模糊和稀疏解混“，”volume“：y“：”crossref”，“首页”：“2579”，“DOI”：“10.1109\/TIP.2015.2426416”，“文章标题”：“一个功能丰富的完全盲图像质量评估器”，“卷”：“24”，“作者”：“张”，“年份”：“2015”，“期刊标题”：“IEEE Trans。图像处理。“}，{”key“：”ref_28“，”doi-asserted-by“：”crossref“，”first page“：“29”，”doi“：”10.1167\/9.4.29“，”article-title“：”处理自然图像时，大脑反应与Weibull图像统计数据密切相关”，“volume”：“9”，“author”：“Scholte”，“year”：“2009”，“journal-title”：“J.Vis.”}，“key”：”ref_29“，“unstructured”：“Yokoya，N.，and Iwasaki，A.（2016）东京大学空间应用实验室Chikusei上空的机载高光谱数据。技术报告。“}，{”key“：”ref_30“，”doi-asserted-by“：”crossref“，”first-page“：”11036“，”doi“：”10.1016\/j.eswa.2012.03.020“，”article-title“：”纹理提取：脊波、小波和基于共现的方法应用于乳房X光照片的评估“，”volume“：“39”，”author“：”Ramos“，”year“：”2012“，”journal-title：“Expert Syst.Appl.”}，”{“key”：“ref_31”，”doi由“：”插入crossref”，“非结构化”：“Xu，Y.，Yang，X.，Ling，H.和Ji，H.（2010年1月13日\u201318）。在多方向小波金字塔中使用多重分形分析的新纹理描述符。《IEEE会议论文集计算机视觉和模式识别》，美国加利福尼亚州旧金山2010年，“新闻标题”：“Proc。IEEE“}]，”container-title“：[”Remote Sensing“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\\/www.mdpi.com//2072-4292\/9\/4\/305\/pdf“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}”，“deposed”：{“date-parts”：[2024,6,7]]，“date-time”：“202”4-06-07T07:44:02Z“，”时间戳“：1717746242000}，”score“：1，”resource“：{主要”：{“URL”：“https:\/\/www.mdpi.com\/2072-4292\/9\/4\/305”}}，”subtitle“：[]，”shorttitle“：[]，”issued“：{date-parts”：[[2017,3]]}，“references-count”：32，“journal-issue”：{issue“：”4“，”published-online“：{data-parts“：[2017,4]]}}”，“alternative-id”“：[”rs9040305“]，”URL“：”http://\/dx.doi.org\/10.3390\/rs9040305“，”关系“：{}，”ISSN“：[”2072-4292“]，”ISSN-type“：[{“value”：“2072-4922”，“type”：”electronic“}]，“subject”：[]，“published”：{“date-parts”：[[2017,3]]}}}