中文    English
当前位置: 本站首页 » 新闻 » 正文

【GeoScience Café】李杰:遥感影像的空-谱联合先验模型研究

发布日期:2016-12-26 13:06:39 阅读次数:[618]次 作者:

核心提示:核心提示:遥感影像在获取时受多种降质因素污染,影响了其后续解译能力。对此,发展影像的质量改善技术具有重要实践意义。GeoScience Café第147期学术交流活动中,李杰老师主要介绍了遥感影像质量退化问题及相关解决方法,并分享基于空-谱联合先验的高光谱影像质量改善方面的研究进展。

文字:刘璐  摄影:陈清祥  摄像:刘璐


>>>人物名片

李杰,国际软件学院教师,毕业于测绘遥感信息工程国家重点实验室,在IEEE TGRS、Signal Processing等国际刊物上发表SCI检索论文5篇(其中第一作者3篇),EI检索论文4篇,发明专利1项,主持中国博士后科学基金1项,主要研究兴趣为遥感影像质量改善。

>>>报告现场

12月16日,李杰做客GeoScience Café第147期学术交流活动。他结合自己的研究成果,介绍了多种基于空-谱联合先验的高光谱影像质量改善算法,让听众受益匪浅。

报告的主要内容概括为:首先,概述建立基于空-谱联合的先验模型的必要性;其次,介绍多通道非局部总变分模型、空谱联合分布式稀疏表达模型以及空-谱联合张量低秩模型这三种模型;最后,对最新研究进展时-空-谱信息一体化融合进行详细的解释。

 

高光谱遥感影像质量改善

首先,李杰阐述了遥感影像质量改善的研究背景。遥感数据作为地球科学的重要数据源,在诸多领域有着广泛的应用,其中高光谱遥感影像由于同时具有空间维和光谱维的三维的信息,拥有巨大的应用前景和发展潜力。但是受到传感器、大气环境、光谱仪系统等影响,会导致其影像质量退化。

图1 遥感影像质量退化模型


为了改善高光谱遥感影像的质量问题,在质量退化模型中通常需要利用影像先验信息,引入一定的、合适的约束条件,从而将要求解的病态问题转化为与原问题相接近的良态问题,再用良态问题的解去逼近原始病态问题的真解。

针对先验信息,不同的约束取得的效果也不同,如何选择合适的正则化模型对于病态逆问题中影像的求解至关重要。传统的先验模型只是对空间维度上做约束,对于高光谱遥感影像来说,需要建立基于空-谱联合的先验模型。

 

多通道非局部总变分模型

其次,李杰介绍了一种用于图像恢复的多通道非局部总变分模型。他从一些非局部去噪理论与方法:传统滤波、非局部均值去噪,非局部TV正则化模型等开始解释。对于高光谱遥感影像来说,每个波段受到的噪声强度不同,噪声类型也不同,并且空谱维同时存在噪声。

为更好地处理高光谱影像,需将非局部TV算子扩展为多通道非局部TV算子,高光谱影像不仅在波段内具有空间相似性,在波段间也存在大范围的相似性特征,邻域波段甚至能够提供更多的权值。

这种模型的核心思想是,在输入高光谱遥感影像之后,第一步,先计算多通道非局部权值,由于不同波段受到噪声影响不同,因此也需要选择不同的正则化参数。第二步,通过建立基于多通道NLTV的自适应参数,建立光谱自适应多通道NLTV(SAMNLTV)模型。

 

空谱联合分布式稀疏表达模型

之后,李杰介绍了空谱联合分布式稀疏表达模型。现有高光谱影像稀疏表达方式只考虑到了空谱信息相关性,并没有考虑到空谱信息的差异性。基于此,李杰提出了基于分布式稀疏表达的空谱联合模型。

其核心思想是根据波段间的相关性对波段进行分组,分组之后组内相关性增大,波段差异性减少。然后对每一组波段进行空谱分布式稀疏表达——用波段的共同稀疏系数乘以共同字典,用每个波段特有的稀疏系数乘以差异字典,从而构造一个能量约束方程,最后用贪婪算法求解。

 

空-谱联合张量低秩模型

同时,李杰还介绍了一种空-谱联合张量低秩模型。遥感影像是天然的高阶张量,在空-谱维均具有很强的低秩特性,但是在空间维和光谱维的低秩特性是不同的,因此需要确定不同维度其低秩先验的不同权值。

自适应张量低秩模型的核心思想是:首先对高光谱遥感影像按维度进行展开,确定不同维度的低秩强度,然后进行尺度归一化,构建自适应关系,最后利用ADMM算法求解。

 

时-空-谱信息一体化融合

最后,李杰介绍了时-空-谱信息一体化融合的最新研究成果:基于变分融合框架,建立多源遥感影像的时空谱一体化模型,从而实现空间、时间和光谱互补信息的有效融合。

该模型主要包括三个组成部分:1)空间降质模型:建立理想融合影像与多源降质影像之间的空间尺度关系。2)时-空-谱关系模型:充分挖掘理想融合影像与多源高空间分辨率影像之间的时间、空间和光谱关系。3)先验模型:有效利用影像自身数据特点,建立三维空间-光谱联合约束关系。对该模型进行一个正则化表示后,利用共轭梯度算法求解。

 

总结与展望

本次报告主要介绍了利用高光谱影像的波段相关性及不同波段的结构性特征来解决遥感影像质量改善的问题,除了以上所解决的的问题,多源遥感数据的云覆盖等缺失信息重建、分辨率提升一体化处理以及其他时空数据的重建问题也是未来需要解决的问题。


    >>>互动交流

观众A:在稀疏表达中,对一幅图像做字典学习,如果这幅图像是三维的话,我们会保留其光谱域,对其空间域做一个展开,展开之后,将其作为一个向量来处理,在这个过程中,像元的邻域相关性可以有2方向的、4方向的,那我觉得至少有一个方向上相关性。这样就会引起系统误差,那在稀疏表达里有没有什么好的解决办法?

李杰:这个问题和我后面说的很像,在稀疏表达中,现在也有人在处理高光谱遥感影像时,会做一个光谱上的稀疏表达和一个空间上的稀疏表达,这样将两个稀疏表达联合在一起,同时对不同方向上的特征做一个约束,其次,从稀疏表达的模型来讲,稀疏也算是一个先验信息,在考虑工作复杂度的情况下,也可以再添加一些结构性先验、马尔科夫随机场先验等来描述局部特征。

 

观众B:在自适应张量低秩模型实验部分,为什么选用2000年8月份和2000年6月份的数据做对比,实验中具体是怎么做的呢?

李杰:对于多时相的遥感影像我们是将时间域像光谱域一样堆叠起来,如果两幅影像波段都是1 2 3 的话,那怎么堆叠呢,就是112233这个样子,然后组成一种类光谱域的形式,再利用前面所说的低秩模型进行补全。

 

观众C:有的同学会继续从事科研,有的同学可能会到企业里去,请问您作为老师对在座的同学有什么建议?

李杰: 这取决于你的未来发展方向,如果想以后继续从事科研工作,那我对大家的建议就是多发文章;如果想去企业工作的话,文章的影响比重可能就比较小了。还有就是如果你有一个新想法的话,就要赶快发赶快做,不要停留,先动手去试,像我之前有些想法就只是想,没有动手去做,结果过一段时间就发现别人已经发了文章了,自己就发不了了,这样就错过了很多机会。然后其他的就是建议大家平常多看文章,多看文章才有好的思想。

 

观众D:请问嘉宾,在时空重建的时候,不同分辨率的影像需不需要一个重采样的过程呢?

李杰需要,除此之外,一些影像匹配、几何校正之类的工作也是需要的

 

李杰作精彩报告



听众认真听报告

听众提问


报告结束后的交流与讨论

李杰(左二)与Geoscience Café团队成员合影留念


(编辑:肖珊)


GeoScience Café以“谈笑间成就梦想”为口号,采取最自由的交流方式,每期邀请1-4位报告人,针对自己正在进行的研究展开报告。每周五晚7:30,在测绘遥感信息工程国家重点实验室四楼休闲厅举行当期活动。报告内容不仅涉及一切与测绘有关的学科内容及学术方法,如测绘基础学科、地理信息系统、摄影测量与遥感、全球定位系统、激光雷达技术、信号处理,还包括地理信息科学以外的话题,如法律和艺术等。让任何感兴趣的人——不仅是地理信息相关专业的师生,还包括其他专业的师生,甚至是文科生——都可以听取报告,并当场向主讲嘉宾提问或者会后与其交流。

 

更多精彩内容(报告PPT、新闻稿及下期活动消息等)敬请关注Geoscience Café群(QQ群号:50605638),微信公众号:GeoScienceCafe,新浪微博账号:GeoScienceCafe

 

QQ交流群及微信公众号二维码:










版权所有:测绘遥感信息工程国家重点实验室   
联系地址: 中国·武汉市珞瑜路129号   邮编: 430079   E-mail:liesmars@whu.edu.cn
Tel/Fax:027-68778969(办公室) 027-68778229(国际交流办公室)027-68778525(研究生管理办公室)