第36卷，第1期 2016年1月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
基于改进MICA的干涉高光谱图像分解
温佳.2，赵军锁”，王彩玲”，夏玉立”
1.天津工业大学电子与信息工程学院，天津300387
2，中国科学院软件研究所天基综合信息系统重点实验室，北京100190 3.西安石油大学计算机学院，陕西西安710065
Vol.36,No.1.pp254-258
January2016
摘要干涉高光谱图像特殊的成像原理，使其慎内存在着大幅值且位置固定的干涉条纹，而慎间存在着学压缩算法的直接应用无法得到理想的效果。由于干涉条纹信息与背景图像信息的特征不同，能够对干涉条纹与背景图像进行稀疏表示的正交基也是不同的。基于这种思想，使用MCA（morphological componenta-nalysis)算法对干涉高光谱图像中干涉条纹信息与背景图像信息进行分离处理。由于干涉高光谱图像数据量庞大，传统的MCA算法对干涉高光谱数据的图像分解，迭代收敛速度慢，运算效率较低，故而针对干涉高光谱数据特点对传统MCA算法进行改进：改变其送代收敏条件，当分离后的图像信号与原始图像信号的误差已经基本保持不变时，即终止选代：并根据对应正交基能且仅能稀疏表示对应信号的思想，对阅值采用自适应的方式进行更新，在新的阐值更新模式中，图像信号在不同正交基下的映射系数被计算与比较。大量实验结果表明，对于LASIS数据与LAMIS数据，MCA算法都能够较完美的将干涉高光谱图像分解，改进的 MCA算法更能在保持完美分解输出结果的同时，相对于传统MCA方法显著的减小送代次数，更快的达到送代收敛条件，从而有效的提高了算法的运算效率与实时性需求，也为新兴的压缩感知理论在干涉高光谱图像中的进一步应用提供了一种很好的解决方案。
关键词干涉高光谱图像：形态成分分析MCA；稀疏表示；压缩感知
中图分类号：0433.4
文献标识码：A
引言
DOI : 10. 3964 /j. issn. 1000-0593(2016 )01-0254-05
纹的影响，由于干涉高光谱数据每顿存在大幅值且位置固定的竖直于涉条纹，而背景图像在顿与顿间存在着移位现象，这种固有的特点严重的影响了广传统的预测编码，自适应提升
于涉高光谱成像技术在航空遥感领城中是很有价值的实
用技术，可以获得观测自标的光谱信息与空间信息，自前在气象、军事、环境监测和地质等领域都有较为产泛的实际应用。十涉高光谱图像数据是由基于推扫式傅叶变换型成像原理的大孔径干涉光谱仪（largeaperture static imaging spec-trometer，LASIS)通过卫星推扫产生的三维图像数据，分辨率极高，其海量的数据对数据存储与有限带宽信道上的传辅造成了一定程度的困难，所以设计出适用于干涉高光谱数据的高效数据压缩方法势在必行。近儿年来，十涉高光谱遥感图像的压缩方法一直被深入研究，通常是采用基于预测1-2]、失量量化3}、变换]、数据编码[56]等压缩算法。
干涉高光谱数据压缩面临的一个很困难的问题是干涉条收稿日期：2014-10-15，修订日期：2015-02-04
基金项目：国家自然科学基金项目(61401439)资助
作者简介：温佳，1983年生，中国科学院软件研究所研究员
小波变换等方法的压缩效果，也无法满足新型理论压缩感知中稀疏表示的前提条件。文献2中尝试采用对应列抽取的方式改变干涉高光谱图像的数据结构，但干涉条纹始终无法消除：文献4中，通过更改小波变换顺序消除十涉条纹在高频域影响的思想在2014年被提出，但在低频域的干涉条纹却始终无法消除。
首先介绍干涉高光谱数据的成像原理及其特点、传统的形态成分分析MCA方法，之后针对干涉高光谱图像的数据特点，提出改进的自适应值MCA：大量的实验分析表明改进MCA算法能在保持完美分解输出结果的同时，相对于传统MCA方法更快的达到收敛条件。
e-mail:448680289@ qq-com