用于压缩感知高光谱图像恢复的gOMP算法研究
计算机视觉与模式识别
2024-01-29 v1 图像与视频处理
摘要
高光谱成像（HSI）广泛应用于遥感等领域，然而，由于HS图像包含大量光谱波段，加上实际应用中可用的数据带宽有限，通过通信数据链路传输HS图像变得具有挑战性。压缩感知通过随机子采样每个空间像素的光谱波段来减少图像数据量，然后使用在某个变换域中施加稀疏性的恢复算法对所有波段进行图像重建。由于图像像素并非严格稀疏，本工作研究了压缩前的数据稀疏化预处理阶段，以确保像素的稀疏性。稀疏化后的图像被压缩2.5倍，然后使用具有高精度、低计算需求和快速收敛特点的广义正交匹配追踪算法（gOMP）进行恢复。实验在五幅常规高光谱图像上进行，研究了不同稀疏化水平对未压缩图像以及恢复图像质量的影响。结论是，当像素高度稀疏化时，gOMP算法以更高的精度和更快的收敛速度重建高光谱图像，但代价是恢复图像相对于原始图像的质量降低。
引用
@article{arxiv.2401.14786,
title = {Study of the gOMP Algorithm for Recovery of Compressed Sensed Hyperspectral Images},
author = {Jon Alvarez Justo and Milica Orlandic},
journal= {arXiv preprint arXiv:2401.14786},
year = {2024}
}
备注
Hyperspectral Imaging, Compressive Sensing, Greedy Algorithms, Generalized Orthogonal Matching Pursuit (gOMP), Sparsity, Sparsification, IEEE-copyrighted material (2022), WHISPERS Workshop (13-16 September 2022)