高光谱图像压缩感知：高质量低复杂度的新型算法

本文介绍了一种针对高光谱图像特征的新型压缩感知算法，高光谱图像因其丰富的光谱信息而具有显著的谱间相关性。传统的压缩感知技术通常通过稀疏采样和恢复来减少数据存储和传输的需求，但可能面临解码复杂度高的问题。本文创新之处在于利用谱间预测来提升压缩感知的效果。 算法的核心在于编码端，通过线性预测算法分析高光谱图像中相邻波段之间的关系，估算出预测系数并将其作为辅助信息传递给解码端。这个过程有助于减少实际观测的数据量，同时保持图像的重要特征。在解码阶段，解码器利用这些预测系数和已重构的邻近波段，能够更准确地预测当前波段的值，从而优化重构算法的初始值和收敛准则。这种方法使得算法在保持较高重建质量的同时，显著降低了解码复杂度。 实验结果显示，与传统方法相比，这种基于谱间预测的压缩感知算法在相同的观测值数目下，PSNR（峰值信噪比）提高了大约1.2分贝，这是一个重要的性能指标，表示图像质量的提升。此外，该算法的编码复杂度较低，更适合硬件实现，这对于实际应用中的实时性和效率有着积极的影响。 本文提出的方法提供了一种高效且适用于高光谱图像压缩感知的新策略，它在保留图像细节和减少数据处理负担之间找到了良好的平衡，对于高光谱图像处理领域的研究和实际应用具有重要意义。这项工作不仅提升了图像压缩的质量，还优化了计算资源的使用，为后续的高光谱图像处理技术发展奠定了坚实的基础。