基于关键信息(ROI-BOI)保护的高光谱图象空-谱联合压缩技术

尽管较高的光谱分辨率对高光谱图象应用至关重要，然而这种优越性是以其较大的数据量为代价，可以说高光谱图象海量数据已经成为制约其发展的技术瓶颈。基于此本项目涉及内容：1)为实现高光谱图象空-谱联合压缩，从理论上进行空-谱特性分析及其统一性互补性研究；2)为保护压缩中关键信息，研究高光谱图象ROI和BOI自动提取技术；3)高光谱图象空间/光谱压缩算法及其空-谱联合压缩研究；4)面向应用的高光谱图象压缩评价准则研究。项目总体目标是研究适合于高光谱图像压缩的新理论、新方法和新技术，探讨BOI和ROI自动提取新途径，突破空-谱联合压缩和关键信息有效保护中的关键技术。项目创新点有二：1)首次提出了BOI的概念，并引入到高光谱图象压缩中；2)针对高光谱图象独特特点，提出了空-谱联合压缩技术。本项目的研究解决，对提高高光谱图象可利用性和可应用性，增强其目标识别等应用能力和应用范围具有重要理论意义和应用价值。

本项目面向高光谱图像的应用需求，针对高光谱图像感兴趣信息的提取和压缩中的保护问题开展了研究。在突破感兴趣波段(BOI)和感兴趣区域(ROI)自动提取、分层次压缩等关键技术的基础上，实现了一套面向应用关键信息保持的高光谱图像压缩方法。.研究成果具体如下：.(1)在感兴趣光谱方面，①首次提出高光谱图像中感兴趣谱带的新思想，提出了根据地物分类、目标识别等应用需求确定感兴趣谱带的方法，以便实现信息保持；②进一步地，提出了基于光谱异常特征的BOI选择方法。③同时，研究了针对丰度值的分类解混转换模型，用于有效地提取光谱端元。.(2)在感兴趣区域方面，①针对分散小地物，结合用于判别的特征降维技术、概率稀疏核模型和相关向量机(RVM)，提出了新的监督分类方法；②针对成像和噪声干扰引起的同物异谱问题，提出了基于支持向量数据描述以及联合光谱反射率和光谱倒数的组合光谱特征的目标识别算法；③并针对提取的ROI研究了如何提高其空间分辨率。.(3)在压缩方面，①研究了一种可控位平面交叉提升方法，实现灵活控制图象压缩质量。通过在小波变换域各个分解层提取位置信息构建三维感兴趣信息掩膜。②为了保护不同重要程度的感兴趣信息，提出了一种分层次压缩方法，对不同重要性的BOI和ROI信息采用不同的压缩方法进行压缩，针对目标检测应用进行感兴趣信息提取，并实现了感兴趣信息保护。