基于像素组非局部稀疏表示的高光谱图像空间增强的图像融合
摘要
1.简介
2.相关工程
2.1. 稀疏表示
2.2. 频谱字典学习
2.3. 高光谱图像的非局部自相似性
3.提出的HSI融合算法
3.1. 问题公式化
3.2. 基于像素组的非局部稀疏表示
3.3. 算法
4.实验结果与讨论
4.1. 实验设置
4.2. 绩效评估
4.3. AVIRIS数据集的实验
4.4. ROSIS数据集实验
4.5. 讨论
5.结论
致谢
作者贡献
利益冲突
工具书类
Bioucas-Dias,J.M。; A广场。; Camps-Valls,G。; Schenders,P。; 北卡罗来纳州纳斯拉巴迪。; Chanussot,J.高光谱遥感。 数据分析和未来挑战。 IEEE地质科学。 远程传感器磁。 2013 , 1 , 6–36. [ 谷歌学者 ] [ 交叉参考 ] 帕特尔,R.C。; Joshi,M.V.高光谱图像的超分辨率:使用最佳小波滤波器系数和稀疏正则化。 IEEE传输。 地质科学。 远程传感器。 2015 , 53 , 1728–1736. [ 谷歌学者 ] [ 交叉参考 ] 冯·R。; 钟,Y。; Wu,Y。; He,D。; Xu,X。; Zhang,L.高光谱遥感图像非局部总变差亚像素制图。 远程传感器。 2016 , 8 . [ 谷歌学者 ] [ 交叉参考 ] 横屋,N。; Yairi,T。; Iwasaki,A.用于高光谱和多光谱数据融合的耦合非负矩阵分解分解。 IEEE传输。 地质科学。 远程传感器。 2012 , 50 , 528–537. [ 谷歌学者 ] [ 交叉参考 ] Loncan,L。; 阿尔梅达律师事务所。; Bioucas-Dias,J.M。; 布利奥特,X。; 查努索,J。; 北多比根。; Fabre,S。; Liao,W。; 利奇亚迪,G.A。; Simoes,M.高光谱泛锐化:综述。 IEEE地质科学。 远程传感器磁。 2015 , 三 , 27–46. [ 谷歌学者 ] [ 交叉参考 ] Shettigara,V.使用更高分辨率数据集对多光谱图像进行空间增强的广义分量替换技术。 照片。 工程远程传感器。 1992 , 58 , 561–567. [ 谷歌学者 ] Choi,M.一种新的强度-色调-饱和度融合方法,用于具有折衷参数的图像融合。 IEEE传输。 地质科学。 远程传感器。 2006 , 44 , 1672–1682. [ 谷歌学者 ] [ 交叉参考 ] 普拉丹,P.S。; King,R.L。; 新罕布什尔州尤南。; Holcomb,D.W.基于小波的多分辨率多传感器图像融合的分解层数估计。 IEEE传输。 地质科学。 远程传感器。 2006 , 44 , 3674–3686. [ 谷歌学者 ] [ 交叉参考 ] G.D.罗宾逊。; 总热值。; Schott,J.R.对光谱混合模型在图像融合中的两个应用进行评估。 遥感环境。 2000 , 71 , 272–281. [ 谷歌学者 ] [ 交叉参考 ] 苏里塔·米拉,R。; Clevers,J.G。; Schaepman,M.E.基于未混合的Landsat TM和MERIS FR数据融合。 IEEE地质科学。 遥感快报。 2008 , 5 , 453–457. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 拉纳拉斯,C。; Baltsavias,大肠杆菌。; Schindler,K.通过耦合光谱分解实现高光谱超分辨率。 2015年12月7日至13日在智利圣地亚哥举行的IEEE计算机视觉国际会议记录; 第3586–3594页。 Z·H·内扎德。; 卡拉米,A。; Heylen,R。; Schenders,P.使用光谱分解和稀疏编码融合高光谱和多光谱图像。 IEEE J.选择。 顶部。 申请。 地球目标遥感。 2016 , 9 , 2377–2389. [ 谷歌学者 ] [ 交叉参考 ] Bieniarz,J。; 穆勒,R。; 朱,X.X。; Reinartz,P.基于联合稀疏谱分解的高光谱图像分辨率增强。 2014年7月13日至18日,加拿大魁北克省魁北克市,IEEE地球科学和遥感研讨会论文集; 第2645-2648页。 北阿赫塔。; 沙法特,F。; Mian,A.用于高光谱图像超分辨率的稀疏空间光谱表示。 2014年9月6日至12日在瑞士苏黎世举行的欧洲计算机视觉会议记录; 第63-78页。 Wycoff,E。; Chan,T.H。; 贾凯。; 马,W.K。; Ma,Y.一种用于高分辨率高光谱成像的非负稀疏提升算法。 2013年5月26日至31日,在加拿大不列颠哥伦比亚省温哥华举行的IEEE声学、语音和信号处理国际会议论文集; 第1409-1413页。 医学博士Iordache。; Bioucas-Dias,J.M。; Plaza,A.高光谱数据的稀疏分解。 IEEE传输。 地质科学。 远程传感器。 2011 , 49 , 2014–2039. [ 谷歌学者 ] [ 交叉参考 ] 李,S。; 尹,H。; Fang,L.通过学习词典上的稀疏表示进行遥感图像融合。 IEEE传输。 地质科学。 远程传感器。 2013 , 51 , 4779–4789. [ 谷歌学者 ] [ 交叉参考 ] 郭,M。; 张,H。; 李,J。; 张,L。; Shen,H.一种用于遥感图像融合的在线耦合字典学习方法。 IEEE J.选择。 顶部。 申请。 地球目标遥感。 2014 , 7 , 1284–1294. [ 谷歌学者 ] [ 交叉参考 ] Dong,W。; Fu,F。; Shi,G。; 曹,X。; 吴杰。; 李·G。; Li,X.基于非负结构稀疏表示的高光谱图像超分辨率。 IEEE传输。 图像处理。 2016 , 25 , 2337–2352. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 魏强。; Bioucas-Dias,J。; 北多比根。; Tourneret,J.Y.基于稀疏表示的高光谱和多光谱图像融合。 IEEE传输。 地质科学。 远程传感器。 2015 , 53 , 3658–3668. [ 谷歌学者 ] [ 交叉参考 ] 宋,H。; 黄,B。; 刘,Q。; Zhang,K.通过基于学习的超分辨率与SPOT5图像融合,提高Landsat TM/ETM+的空间分辨率。 IEEE传输。 地质科学。 远程传感器。 2015 , 53 , 1195–1204. [ 谷歌学者 ] [ 交叉参考 ] 川崎,R。; 松下,Y。; Wright,J。; Ben-Ezra,M。; Tai,Y.W。; Ikeuchi,K.通过矩阵分解的高分辨率高光谱成像。 2011年6月20日至25日,美国科罗拉多州科罗拉多斯普林斯IEEE计算机视觉和模式识别会议记录; 第2329-2336页。 黄,B。; 宋,H。; 崔,H。; 彭杰。; Xu,Z.使用稀疏矩阵分解的空间和光谱图像融合。 IEEE传输。 地质科学。 远程传感器。 2014 , 52 , 1693–1704. [ 谷歌学者 ] [ 交叉参考 ] 北阿赫塔。; 沙法特,F。; Mian,A.高光谱图像超分辨率的贝叶斯稀疏表示。 《IEEE计算机视觉和模式识别会议论文集》,美国马萨诸塞州波士顿,2015年6月7-12日; 第3631-3640页。 Wright,J。; 马云(Ma,Y.)。; Mairal,J。; 萨皮罗,G。; 黄,T.S。; Yan,S.计算机视觉和模式识别的稀疏表示。 程序。 电气与电子工程师协会 2010 , 98 , 1031–1044. [ 谷歌学者 ] [ 交叉参考 ] 帕蒂,Y.C。; Rezaiifar,R。; Krishnaprasad,P.正交匹配追踪:递归函数逼近及其在小波分解中的应用。 1993年11月1日至3日在美国加利福尼亚州太平洋格罗夫举行的第27届亚西洛马信号、系统和计算机会议记录; 第40-44页。 多诺霍,D.L。; Tsaig,Y。; 德罗里,I。; Starck,J.L.通过分段正交匹配追踪获得欠定线性方程组的稀疏解。 IEEE传输。 Inf.理论 2012 , 58 , 1094–1121. [ 谷歌学者 ] [ 交叉参考 ] 陈S.S。; 多诺霍,D.L。; 桑德斯,M.A.通过基追踪进行原子分解。 SIAM版本。 2001 , 43 , 129–159. [ 谷歌学者 ] [ 交叉参考 ] Tibshirani,R.通过套索回归收缩和选择:回顾。 J.R.统计社会服务。 B Stat.方法。 2011 , 73 , 273–282. [ 谷歌学者 ] [ 交叉参考 ] Daubechies,I。; Defrise,M。; De Mol,C.具有稀疏约束的线性反问题的迭代阈值算法。 Commun公司。 纯应用程序。 数学。 2004 , 57 , 1413–1457. [ 谷歌学者 ] [ 交叉参考 ] ⑩奥恩·姆舍克,m。; Polat,E.字典学习算法对超分辨率高光谱重建的影响。 2015年10月29日至31日在波斯尼亚和黑塞哥维那萨拉热窝举行的第二十五届信息、通信和自动化技术国际会议记录; 第1-5页。 亚哈龙,M。; Elad,M。; Bruckstein,A.K-svd:为稀疏表示设计过完备字典的算法。 IEEE传输。 信号处理。 2006 , 54 , 4311–4322. [ 谷歌学者 ] [ 交叉参考 ] Mairal,J。; 巴赫,F。; 彭斯,J。; Sapiro,G.稀疏编码的在线字典学习。 2009年6月14日至18日,加拿大魁北克省蒙特利尔市,第26届国际机器学习年会论文集。 Buades,A。; 科尔·B。; Morel,J.M.图像去噪的非局部算法。 2005年6月20-25日,美国加利福尼亚州圣地亚哥,IEEE计算机学会计算机视觉和模式识别会议论文集; 第60-65页。 李毅。; 李,F。; Bai,B。; Shen,Q.通过非局部稀疏k-svd字典学习进行图像融合。 申请。 选择。 2016 , 55 , 1814–1823. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Zhao,Y。; 杨,J。; Chan,J.C.W.通过空间-光谱联合非局部相似性超分辨率高光谱图像。 IEEE J.选择。 顶部。 申请。 地球目标遥感。 2014 , 7 , 2671–2679. [ 谷歌学者 ] [ 交叉参考 ] 黄,W。; 肖,L。; 刘,H。; Wei,Z.基于压缩感知的高光谱图像超分辨率激励字典学习和空间光谱正则化。 传感器 2015 , 15 , 2041–2058. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Tropp,J.A。; A.C.吉尔伯特。; Strauss,M.J.同步稀疏近似算法。 第一部分:贪婪追求。 信号处理。 2006 , 86 , 572–588. [ 谷歌学者 ] [ 交叉参考 ] Yuhas,R.H。; 戈茨,A.F。; Boardman,J.W.使用光谱角度映射器(SAM)算法在半干旱景观端点之间进行区分。 在 喷气推进实验室,第三届喷气推进实验室航空地球科学研讨会总结 ; NASA:美国华盛顿特区,1992年。 [ 谷歌学者 ] AVIRIS数据。 在线可用: http://aviris.jpl.nasa.gov/data/index.html (2015年10月6日访问)。 高光谱遥感图像场景(帕维亚中心和大学)。 在线可用: http://www.ehu.eus/ccwintco/index.php?title=Hyperspectral_Remote_Sensing_Scenes (2016年6月16日访问)。 我·乔利夫。 主成分分析 ; John Wiley&Sons:美国新泽西州霍博肯,2002年。 [ 谷歌学者 ] Alparone,L.公司。; Wald,L。; 查努索,J。; 托马斯,C。; 冈巴,P。; Bruce,L.M.《泛细化算法的比较:2006年GRS-S数据融合竞赛的结果》。 IEEE传输。 地质科学。 远程传感器。 2007 , 45 , 3012–3021. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 叶片,G。; 绿色,R.O。; Chrien,T.G。; Enmark,H.T。; Hansen,E.G。; Porter,W.M.机载可见/红外成像光谱仪(AVIRIS)。 遥感环境。 1993 , 44 , 127–143. [ 谷歌学者 ] [ 交叉参考 ] M.T.艾斯曼。; Hardie,R.C.使用具有任意响应函数的高分辨率多光谱图像增强高光谱分辨率。 IEEE传输。 地质科学。 远程传感器。 2005 , 43 , 455–465. [ 谷歌学者 ] [ 交叉参考 ]