基于光谱库优化学习的光谱超分与分类精度提升

作     者：韩晓琳 张欢 孙卫东 HAN Xiaolin;ZHANG Huan;SUN Weidong

作者机构：清华大学电子工程系北京100084 

出 版 物：《遥感学报》 (NATIONAL REMOTE SENSING BULLETIN)

年 卷 期：2023年第27卷第11期

页      面：2530-2540页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

基　　金：国家自然科学基金(编号:41971294) 中国博士后科学基金(编号:2020M680560) 北京信息科学与技术国家研究中心跨媒体智能专项资助项目(编号:BNR2019TD01022) 

主　　题：光谱超分辨率 光谱库 稀疏表示 优化学习 地物分类 

摘      要：光谱库优化学习是将光谱库中的光谱数据作为训练样本,在严格理论推导下构建字典优化学习过程。基于光谱库优化学习,本研究提出了一种光谱超分辨率重建方法,该方法在稀疏表示框架下,通过波段匹配,将光谱库映射为与待重建高光谱图像波段相对应的特定光谱库;并利用映射后的特定光谱库与高分多光谱图像,从理论上推导、并构建基于ADMM算法的光谱字典与稀疏系数优化学习过程。多种数据集上的对比分析表明,即使仅使用一幅高分多光谱图像,本研究方法仍能恢复重建出高质量的高分高光谱图像,同时光谱超分辨率重建后的高分高光谱图像可显著提升地物分类精度。结果表明,本研究实现了仅由一幅高分多光谱图像到高分高光谱图像的高质量光谱超分辨率重建。