高光谱压缩成像

压缩感知理论将数据的采样和压缩巧妙结合，实现远低于奈奎斯特率的数据采集和少量观测数据的精确重构，降低了对传感器的要求，非常适合便携式移动高光谱成像平台。本专著针对当前成熟的推扫式和摆扫式高光谱数据采集模式，探讨了基于现有采集模式的高光谱压缩成像实现方案，并对该模式采集的少量观测数据构建图像的重构算法，以高光谱图像的线性混合模型为契机，致力于寻求高效的高光谱压缩采样方式和快速、高精度的压缩感知重建方案，并研究了基于深度学习的高光谱压缩重构神经网络架构。通过上述研究取得了一些创新性研究成果，所提出的方法和结论能够为高光谱压缩成像提供有价值的参考。