高空间分辨多光谱数据辅助的高光谱解混概率图模型研究

相对于高光谱遥感图像提供的巨大数据量，现有的数据处理技术尤显不足。而高光谱解混技术作为从高光谱图像中有效提取信息的重要手段，近年来成为研究的热点。本项目系统地研究高光谱图像混合像元的解混问题，提出一种以概率图模型理论为指导的高空间分辨多光谱数据辅助的高光谱解混新方法。.高空间分辨的多光谱数据为高光谱解混提供了重要的数据补充；同时，概率图模型作为公认的具有先进性和发展潜力的信息处理和机器学习理论，为整合多光谱和高光谱遥感数据提供了坚实的理论基础。通过引入高空间分辨的多光谱数据，将突破目前普遍采用的从高光谱数据本身出发进行解混的基本框架，实现多源数据驱动下的高光谱解混。.该项目的实现，将为解决地物目标的分类和识别问题提供新的理论支撑。对于目前大数据量、多通道遥感图像缺乏有效处理和分析工具的情况，可为其提供一种较为通用的有效处理方法，具有重要的学术价值和实际应用价值，同时丰富了概率图模型理论。

高光谱成像是探测与成像技术的一场深刻革命，同时也带来了信号与信息处理方法的变革，如何充分利用高光谱影像提供的丰富光谱和空间数据信息，实现地物的分类和识别，是我们面临的巨大挑战。本项目主要从基于概率模型的非负矩阵分解、基于图模型的仿射传播聚类、Gabor小波变换、Memetic混合搜索等方法出发，通过考察光谱、空间、光照模型的复杂结构关系，对高光谱影像的去噪、特征提取/选择、解混、像元分类等关键问题进行了比较深入的研究，取得了良好的实验效果和较高的计算效率。相关工作已经被IEEE Transactions on Geoscience and Remote Sensing、IEEE Geoscience and Remote Sensing Letters、IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing等遥感信息处理的国际权威期刊和WHISPERS、IGARSS、ICIP等国际会议发表，其中SCI 收录6篇（JCR 1区论文3篇，JCR 2区论文2篇，JCR 3区论文1篇），EI 收录15 篇。