| 基于双稀疏域联合求解的高精度光谱恢复算法 |
| |
| 引用本文： | 刘世界,李春来,徐睿,唐国良,吴兵,徐艳,王建宇.基于双稀疏域联合求解的高精度光谱恢复算法[J].红外与毫米波学报,2021,40(5):685-695. |
| |
| 作者姓名： | 刘世界 李春来 徐睿 唐国良 吴兵 徐艳 王建宇 |
| |
| 作者单位： | 中国科学院上海技术物理研究所空间主动光电技术重点实验室,上海 200083;中国科学院大学,北京 100049;中国科学院上海技术物理研究所空间主动光电技术重点实验室,上海 200083;中国科学院上海技术物理研究所空间主动光电技术重点实验室,上海 200083;中国科学院大学,北京 100049;上海科技大学信息科学与技术学院,上海 200020;中国科学院上海技术物理研究所空间主动光电技术重点实验室,上海 200083;中国科学院大学,北京 100049;国科大杭州高等研究院,浙江杭州 310024 |
| |
| 基金项目： | 国家自然科学基金（6160523），高分辨率对地观测系统重大专项（GFZX04014308） |
| |
| 摘 要： | 基于压缩感知的光谱成像系统需要合适的算法解码采样数据才能得到最终的光谱成像数据，传统单稀疏域变换算法会带来光谱细节损失等问题。针对该问题，本文提出了利用双稀疏域联合求解的方法（JDSD），将信号分解为低频部分和高频部分，并针对不同频率信号特点分别进行稀疏恢复，进而解码求解以实现高精度恢复信号。在数据验证中，首先利用OMP算法在频域内对光谱信息轮廓进行恢复，利用IRLS算法在空间域内对光谱细节进行补偿，分析了不同稀疏变换对于参数设置的影响，测试了不同算法组合的JDSD对于测试数据的恢复结果。对于500种光谱数据仿真测试表明，双稀疏域联合求解可将光谱恢复保真度大大提升，20%采样率情况下，SAM和GSAM指标由传统方法的0.625和0.515分别提升为0.817和0.659，80%采样率情况下，SAM和GSAM指标由传统方法的0.863和0.808分别提升为0.940和0.897。JDSD算法可以使得光谱吸收峰等细节特征得到高精度保持，对于基于光谱的特征分析、物质识别等应用具有十分重要的意义。
|
| 关 键 词： | 光谱成像 光谱特征恢复 计算成像 压缩感知 |
| 收稿时间： | 2020/3/16 0:00:00 |
| 修稿时间： | 2021/5/8 0:00:00 |
High-precision algorithm for restoration of spectral imaging based on joint solution of double sparse domains |
| |
| LIU Shi-Jie,LI Chun-Lai,XU Rui,TANG Guo-Liang,WU Bing,XU Yan and WANG Jian-Yu.High-precision algorithm for restoration of spectral imaging based on joint solution of double sparse domains[J].Journal of Infrared and Millimeter Waves,2021,40(5):685-695. |
| |
| Authors: | LIU Shi-Jie LI Chun-Lai XU Rui TANG Guo-Liang WU Bing XU Yan and WANG Jian-Yu |
| |
| Abstract: | |
| |
| Keywords: | Spectral imaging spectral feature recovery computational imaging compressed sensing |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《红外与毫米波学报》浏览原始摘要信息 |
|
点击此处可从《红外与毫米波学报》下载全文 |
|
