[01016471]多模图像结构化稀疏表示与融合理论方法研究
[ERROR (115, 38): Message=Function isnullorempty is not defined,Source=volt,StackTrace= 在 Igs.Hcms.Volt.VoltEngine.EvalExpression(Expression exp),TargetSite=System.Object EvalExpression(Igs.Hcms.Volt.Tokens.Expression)]
联系人：
[ERROR (137, 38): Message=Function isnullorempty is not defined,Source=volt,StackTrace= 在 Igs.Hcms.Volt.VoltEngine.EvalExpression(Expression exp),TargetSite=System.Object EvalExpression(Igs.Hcms.Volt.Tokens.Expression)] [ERROR (145, 38): Message=Function isnullorempty is not defined,Source=volt,StackTrace= 在 Igs.Hcms.Volt.VoltEngine.EvalExpression(Expression exp),TargetSite=System.Object EvalExpression(Igs.Hcms.Volt.Tokens.Expression)]所在地：
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
登录后向技术服务商咨询
发布技术需求
服务免费，交易还可领红包哦
技术详细介绍
高分辨率高光谱成像是遥感对地观测和环境监测等国家重大需求的核心难题，被布局到《国家中长期科技发展规划纲要(2006-2020年)》等多个国家计划。单模态成像方式无法实现空间和光谱维度同时高分成像，因此亟需发展多模高分成像理论和方法。图像的准确表示与高效融合是多模高分成像的国际竞争制高点和前沿挑战难题。
在国家杰出青年科学基金等项目资助下，项目组历经十余年攻，从多模图像表示机制和成像机理入手，构建了多模图像结构化稀疏表示理论，提出了多模稀疏表示图像融合方法，建立了多模压缩感知遥感融合成像理论方法，开辟了高分辨率高光谱遥感成像新途径，取得了以下主要科学发现：
1.多模图像结构化稀疏表示：针对多模图像不同模态结构各异，难以紧致准确表示的难题，建立了图像结构的跨模态联合映射机制，揭示了多模图像组稀疏动态分布特性，提出了结构化字典构建和多尺度自适应稀疏优化方法，构建了多模图像结构化稀疏表示理论，为多模图像高效融合与遥感高分成像奠定了理论基础。被加拿大工程院院士M.Levine教授和IEEE Fellow Y.Soon教授评价为“优于传统多尺度变换”、“取得了突出成果”。
2.多模图像稀疏表示融合：揭示了多模图像显著结构特征与结构化稀疏表示的关联机制，建立了多模图像稀疏表示融合框架，提出了结构驱动自适应多模图像融合方法，攻克了动态场景图像融合中时空匹配的难题。被加拿大科学院院士R.Ward教授和IEEE TIP创刊主编A.Bovik教授评价为该领域的“首次工作”、“有效提升融合空间一致性”。
3.多模压缩感知遥感融合成像：发现了空间-光谱联合的压缩感知遥感成像新机理，提出了多模压缩感知遥感融合成像方法，保持光谱响应特性的同时，空间分辨率提高了4倍，突破了遥感成像空间-光谱分辨率相互制约的难题。被IEEE Fellow J.Chanussot教授和R.Bamler授评价为“开创性工作”、“首次成功尝试’’。加州大学伯克利分校和哥伦比亚大学等200余个研究组引用/应用项目工作。
项目8篇代表性论文SCI他引1214次，总他引2012次，3篇SCI他引均超过200次，5篇ESI前1%高被引论文。第一完成人入选长江学者特聘教授和Elsevier中国高被引学者(2014-2017)，担任国际权威学术期刊IEEE TGRS、IEEE TIM和Information Fusion的编委，因在图像融合方向上的贡献当选IEEE Fellow。项目组研发了面向高分系列卫星和机载复合探测系统的多模图像融合与处理模块，成功应用于环境保护、资源调査等重要领域。项目成果获2017年湖南省自然科学一等奖。