多时相高光谱遥感影像稀疏亚像元信息提取方法研究

Mixed pixels are common in hyperspectral remote sensing image, which is a bottleneck problem for high precision interpretation and quantitative development of hyperspectral remote sensing imagery. Spectral unmixing and subpixel mapping are the two issues that subpixel information extraction confronted. By utilizing the advantages of the theory of sparse representation in learning, representation and dealing with hyperspectral remote sensing images, this project will research subpixel information extraction based on sparse representation for multi-temporal remote sensing images, coping with the existing challenge in endmember variability and model ill-condition. The project shall develop sparse representation based subpixel information extraction theories and effective algorithms, paying much importance on multi-temporal endmember spectral library learning, multi-temporal-spatial-spectral regularization sparse unmixing and multi-temporal sparse subpixel mapping. The study can improve the accuracy and robustness of subpixel information extraction, enhance the potential applications of hyperspectral remote sensing imagery, and have significant application prospects in subpixel object recognition, geoscientific mapping and so on.

混合像元普遍存在于高光谱遥感影像中，是制约高光谱遥感影像高精度解译、定量化发展的瓶颈。混合像元分解和亚像元制图是高光谱遥感影像亚像元提取研究的两大关键问题。本项目拟利用稀疏表达理论对高光谱影像数据的学习、表达与处理的优势，针对多时相高光谱遥感影像亚像元信息提取中面临的端元同物异谱、模型病态等问题，开展基于稀疏表达理论的多时相遥感影像亚像元信息提取的研究，以“多时相端元光谱字典学习—多时-空-谱混合像元稀疏分解—多时相影像稀疏亚像元制图”为研究主线，发展稳健的基于稀疏表达理论的多时相高光谱遥感影像亚像元信息提取模型与方法，提高亚像元信息的提取精度及稳健性，提升高光谱遥感影像的应用潜力，在亚像元级目标识别、地矿识别填图等领域具有重要的应用价值。

影像空谱融合混合像元稀疏分解-时空谱影像稀疏亚像元制图”为研究主线，发展了稳健、统一的多时相高光谱遥感影像稀疏亚像元信息提取模型与方法，主要成果包括：（1）针对高光谱遥感影像混合像元分解，提出了多种空谱融合高光谱遥感影像混合像元稀疏分解方法；（2）面对空谱融合混合像元分解复杂模型的优化与求解，提出了基于Bregman散度的可微稀疏求解模型及最小角回归稀疏优化思想；（3）针对地物端元光谱在混合像元内部分布不确定的问题，提出了基于群智能优化理论的时空亚像元制图算法与多目标稀疏亚像元制图模型。.在项目资助下，课题组共发表论文17篇，其中在“ISPRS Journal of Photogrammetry and Remote Sensing”、“IEEE Transactions on Geoscience and Remote Sensing”等国际著名期刊上发表高水平学术论文10篇，第一/通讯作者SCI论文8篇，1篇论文入选ESI高被引论文；申请发明专利2项；获2018年测绘科技进步奖一等奖（排名第8）。在人才培养方面，项目负责人获批2020年香江学者计划，课题组培养硕士研究生8名，已毕业5名，协助培养博士研究生2名；30余人次进行国内外学术交流。