研究目的
提出一种基于半张量的新型压缩感知(ST-CS)方法用于高光谱图像(HSIs),通过采用低维传感矩阵并利用光谱像素的空间相关性来降低存储和传输的负担。
研究成果
所提出的ST-CS方法有效减小了传感矩阵的尺寸,并利用了光谱像素的空间相关性,在数据重建和空间结构保真度方面相比多种先进方法表现出更优性能。实验结果表明该方法具有良好效果,尤其适用于低采样率场景。
研究不足
该研究仅限于使用特定的高光谱图像(Cuprite图像),并未探讨该方法对其他类型图像或数据的适用性。方法的性能可能随p/n值的不同而变化,从而影响重建质量。
1:实验设计与方法选择:
该研究引入矩阵乘法的半张量积来构建高光谱图像的低维传感矩阵,开发了新的稀疏编码模型以利用光谱像素的空间相关性。
2:样本选择与数据来源:
实验采用AVIRIS传感器采集的真实高光谱图像"杯岩图像"。
3:实验设备与材料清单:
研究使用从均匀伯努利分布中随机选取±1元素构建的传感矩阵。
4:实验流程与操作步骤:
将提出的ST-CS方法与三种相关的高光谱压缩成像方法进行对比,通过PSNR和SSIM指标衡量重建质量。
5:数据分析方法:
基于PSNR和SSIM指标评估所提方法的性能,并与前沿方法进行比较。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容