| 成果名称: | 基于结构稀疏模型的高光谱影像亚像元级分类和超分辨率制图技术研究 |
| 完成单位: | 深圳大学 |
| 主要人员: | 贾森,黄建军,谭舜泉,邓琳,李秋生,李俊,梁锦全,蒋勇,黄小燕 |
| 介绍: | 近年来，高光谱成像技术得到了学术界和工业界的广泛关注。相比于全色、彩色和多光谱影像，高光谱影像数据提供了更加丰富的地物特征信息，为地物的精确分类和识别提供了重要的数据基础。但同时也带来了维数高、波段相关性强、计算复杂度高的难题，高光谱影像处理为传统模式识别和计算机视觉技术提出了新的挑战。本项目针对高光谱影像内在的结构稀疏特性，重点研究基于结构稀疏表达的高光谱影像数据的特征提取/选择、识别和分类等技术，形成比较系统的结构稀疏理论和方法，为高光谱影像数据处理提供新的分析工具。本项目取得的成果包括：1）研究了高光谱影像的结构稀疏表达模型，提出了基于空谱信息融合（超像素）的高光谱影像稀疏分类、基于低秩稀疏表示的高光谱影像图割，和基于密度排序聚类算法的高光谱影像波段选择等方法。2）研究了面向Gabor特征的高光谱影像结构稀疏模型，提出了基于协同表示和学习的高光谱影像分类和基于条件互信息的Gabor特征选择等方法。3）研究了高光谱影像的多任务稀疏模型，提出了基于Fisher特征选择的多任务联合稀疏表示分类和基于卷积神经网络的高光谱影像分类等方法。项目组在IEEE地球科学与遥感汇刊等顶级学术期刊和会议上发表论文20余篇，在高光谱影像信息处理领域具有一定的国际学术影响力，其中，项目负责人获得 2014 年度国际权威期刊 IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 的“最佳审稿人”称号。 |
| 批准登记号: | |
| 登记日期: | 2020-07-20 |
| 研究起止时间: | 2013-01-01至2016-12-31 |
| 所属行业: | 信息传输、软件和信息技术服务业 |
| 所属高新技术类别: | |
| 评价单位名称: | 国家自然科学基金委员会信息科学部 |
| 评价日期: | 2017-03-16 |
