基于光谱稀疏模型的高光谱压缩感知重构

提出了一种基于光谱稀疏化的压缩感知采样与重构模型, 通过从训练样本中构建光谱稀疏字典提升光谱稀疏化效果, 同时在重构时兼顾空间图像的全变分约束进一步提升重构精度.对200波段AVIRIS高光谱场景进行压缩感知重构的实验表明, 利用构建的光谱稀疏字典与传统的DCT字典和Haar小波字典相比光谱稀疏化效果明显提升, 同时在25%采样下基于光谱稀疏字典几乎无差别重构出了高光谱图像, 同样条件下在空间和光谱的精度与现有常用方法相比有较大的提升