Compressed Hyperspectral Image Sensing Reconstruction Based on Interband Prediction and Joint Optimization

Abstract

基于高光谱图像压缩采样数据特性的分析，提出一种基于谱间预测和联合优化的压缩感知图像重构算法。首先在谱间通过线性预测去除高光谱图像观测向量的强谱间相关性，得到熵值更小的预测残差向量；然后在凸集交替投影(Projections Onto Convex Sets, POCS)的基础上提出基于最陡下降法的联合优化算法对预测残差向量进行重构，提高重构质量；同时采用像素点为指导的收敛准则提高算法的收敛速度。实验结果表明，在相同观测值数目下，该文算法的重构质量(PSNR)明显优于其它已有重构算法，并且具有较低的计算复杂度。