高光谱图像处理技术的前沿技术和发展趋势--中国期刊网

字体：大中小

首页> 原创作品> 正文

高光谱图像处理技术的前沿技术和发展趋势

发表时间：2021/3/16 来源：《中国科技信息》2021年1月作者：王雅娇王家轩靳振兴

[导读] 随着高光谱遥感技术在地球观测中的应用日益广泛，作为高光谱遥感技术的核心技术的高光谱图像处理技术引起了研究者的极大兴趣。高光谱图像通常具有一定的研究分辨率范围。间隔光谱图像。通过将高光谱传感器组装在相应的空间设备上，可以在电磁光谱的观察区域中同时对目标区域的不同连续和细分的光谱带进行成像，从而可以在以下位置获得表面图像和光谱信息同时。光谱和图像融合的首次实现。

华北理工大学王雅娇王家轩靳振兴 063210

摘要：随着高光谱遥感技术在地球观测中的应用日益广泛，作为高光谱遥感技术的核心技术的高光谱图像处理技术引起了研究者的极大兴趣。高光谱图像通常具有一定的研究分辨率范围。间隔光谱图像。通过将高光谱传感器组装在相应的空间设备上，可以在电磁光谱的观察区域中同时对目标区域的不同连续和细分的光谱带进行成像，从而可以在以下位置获得表面图像和光谱信息同时。光谱和图像融合的首次实现。
关键词：高光谱；图像处理；技术发展
        一、高光谱图像处理技术的应用和现状
        通过高光谱成像对地面物体进行精细分类是高光谱成像遥感技术的关键应用之一。精度分类结果是后续映射的主要参考数据。因此，高光谱图像处理技术将在土地覆盖调查，环境监测和资源调查等许多领域具有重要的应用价值。此外，基于超光谱的目标检测技术在国防安全和公共基础设施领域具有巨大的发展潜力。
        由于大量的数据，高光谱图像的微观分类面临着一个维度灾难问题。同时，传统的经典算法大多基于像素，这是用于分类的基本单位算法，并且由于它们没有考虑空间域中遥感图像的特征，因此该算法无法科学地解决其他光谱问题。在要素内部创建噪声很容易。
        此外，尽管快速开发了用于处理高维原始数据的高性能处理组件，从而为并行和快速处理高光谱图像数据以及从轨迹实时提取数据提供了深入的解决方案，但它仍然面临着高性能组件。
        二、高光谱图像处理技术的前沿技术和发展趋势
        （1）数据降维技术
        高光谱图像数据本身的高维性质带来了大量的基本信息，并且分类器的计算量和训练分类器的难度也呈指数增长。在这种情况下，最方便和可行的方法是减少高光谱图像数据的维数。
        用于图像特征提取的高光谱图像降维技术是一种使用低维数据合理化高维数据特征的技术，该技术可以压缩原始图像，同时科学地保留目标图像信息的基本特征。大量的图像数据进一步有助于识别和提取关键信息。当前，常见的数据降维算法主要包括线性和非线性降维算法。线性降维技术的典型示例包括独立分量分析，线性判别分析和多维变换算法，但是线性降维很容易破坏数据。高光谱图像的原始结构包含非线性数据，这可能导致某些误差。在应用方面，非线性降维技术是趋势。等距映射是非线性降维技术中的最前沿技术之一。

期刊文章分类查询,尽在期刊图书馆

为了开发全局算法，在图论中，维持流形上两个点之间的测地距离的算法技术使用数据点之间的欧几里得距离来评估相对测地距离，然后将其替换为多点。大地距离保持方面，用于获得最佳低维算法映射的维算法。共形映射算法吸引了很多注意力，但是在高光谱数据降维后，在确保复杂性和计算过程尚未解决的情况下，它在确保结果的鲁棒性和全局最优性方面显示出强大的优势。
        （2）基于DSP的图像处理技术
        各种数字信号处理算法-这些是专门为解决DSP问题而开发的处理器。研究人员基于满足实时处理和存储要求的低内存，高并行和多数据单指令处理器阵列，使用多个数字信号DSP处理器来解决高光谱图像数据的在轨同步处理。数字信号DSP处理器从两个方面描述了设计思想：基于在轨目标搜索的系统软件和硬件。轨道同步处理方法依赖于所获取的完整数据图像，因此可以视为实时处理。 2014年，科学研究人员探索了并行使用多个DSP来处理高光谱图像异常的检测。四个DSP处理器通过一条总线互连，实现了数据总线和存储模块的共享，分解了并行工作以实现计算处理效率。它提高了4倍。在海外的同一年，我们在使用多核DSP处理器实施正交基于子空间投影（OSP）计算方法的过程中获得了丰富的信息。经过科学的对比实验，该多核DSP处理器可用于处理能力，编程难度和精力。为了在消耗等多种条件下保持良好的效果，DSP可以提高高光谱图像算法的计算效率，实现实时目标检测。未来，基于DSP的高光谱图像处理技术是一项算法研究，将有更多的应用。
        （3）基于高性能计算的图像处理技术
        在使用高性能计算解决高光谱图像的领域中，当前处理芯片的研究和开发正朝着智能化方向发展，特别是基于深度学习算法的加速处理芯片。信息技术还成功开发了专用于寒武纪计算的加速器芯片，这是一种面向学习的机器。寒武纪One的强大性能在面积和方面都超过了传统的基于CPU的处理能力100倍。功耗仅为传统CPU的1/10，性能可提高3倍。未来，支持人工智能算法的低功耗，高性能处理芯片将打破基于冯诺依曼（von Neumann）架构的现有存储和处理分离系统，展现出巨大的研究潜力，并最终开始进行光谱图像处理和信息处理。做出了重大贡献。
        总结
        高光谱遥感技术作为21世纪末对地观测领域的一项技术突破，为国民经济和社会建设，可持续发展和国防安全做出了巨大贡献，但目前的高光谱遥感技术仍然必须处理数据冗余问题。通过大规模同时进行轨道非调整，信息处理和服务的及时性问题，高光谱图像降维技术，基于DSP的图像处理技术和高性能处理单元的发展，未来的高光谱图像处理将发挥更加重要的作用。
参考文献：
[1]张建伟，陈允杰.高光谱图像分类方法综述[J].南京信息工程大学学报（自然科学版），2019（01）
[2]姜博厚，基于深度学习的高光谱图像超分辨处理方法[J].信息与电脑（理论版），2019，22：