1、目前，國內(nèi)外各類光學遙感采樣成像系統(tǒng)均基于奈奎斯特—香農(nóng)采樣理論，它指出采樣率必須達到信號帶寬的兩倍以上才能精確地重構信號。隨著遙感圖像空間分辨率的提高，要求光學系統(tǒng)的焦距更長、口徑更大，焦平面器件的采樣率更高，像元面積更小，這將大大增加光學系統(tǒng)、焦平面器件的設計和制造難度。而壓縮感知理論指出，只要信號是稀疏的或者在某一變換空間是稀疏的、可壓縮的，就可以遠低于奈奎斯特采樣定理所規(guī)定的采樣量得到信號的壓縮表示，并且仍能夠精確地重構原始信號

2、。因此，在遙感成像系統(tǒng)中采用壓縮感知理論進行圖像的壓縮采樣，可以在采樣的同時實現(xiàn)壓縮，獲取圖像迅速，節(jié)約工作時間;僅少量采樣值即可重構原始高分辨圖像，極大地節(jié)約焦平面陣列器件，同時節(jié)省星上存儲空間;而針對不同類型的遙感圖像自適應地選擇最優(yōu)稀疏表示方法，可以有效地提高遙感圖像重構質(zhì)量，便于后期的信息提取工作;無論被觀測圖像類型如何，采用固定的觀測方式，均能獲得高質(zhì)量重構圖像。
　　論文首先介紹了課題背景和意義，總結了壓縮感知理論框架

3、中的常見圖像稀疏表示方法，圖像的隨機觀測手段及其觀測矩陣的構造，介紹了壓縮感知中常見的優(yōu)化重構算法，將壓縮感知理論在圖像復原和圖像融合領域提出了自己的創(chuàng)新和改進方法。
　　論文同時也介紹了幾種常用的圖像復原的方法，從主觀和客觀方面討論了圖像質(zhì)量評價的作用和意義。重點介紹了采用K-SVD方法進行過完備字典訓練的方法。對不同類型遙感圖像的訓練字典對于不同類型圖像的稀疏表示性能進行了深入分析。介紹了通過給定的訓練字典對隨機觀測矩陣進行迭

4、代優(yōu)化的聯(lián)合優(yōu)化方法，并且采用該方法進行實驗仿真，獲得了優(yōu)化后的觀測矩陣。同時，采用優(yōu)化后的觀測矩陣與訓練字典對，測試了圖像的重構效果。在此基礎上，深入分析并總結了重構稀疏度與訓練稀疏度倍率關系對于圖像重構的影響，并提出了從觀測值中隨機選取對應于原始圖像塊的少量觀測值序列進行小代價重構從而預估出獲得良好重構質(zhì)量的重構稀疏度的方法，有利于快速且準確地找到最優(yōu)的重構稀疏度從而獲得高重構質(zhì)量。
　　論文最后提出了自適應優(yōu)化稀疏表示的遙感

5、圖像壓縮重構框架，重點圍繞城市、山地和海港這三類遙感圖像進行了對應類型圖像的字典訓練，獲得這三類圖像的優(yōu)化稀疏表示字典，并分析對比了采用固定稀疏基DCT的稀疏表示精度。通過遙感圖像的壓縮感知粗復原初步判別遙感圖像類型，采用其對應的優(yōu)化稀疏表示字典作為稀疏表示方法，再采用精確重構算法對壓縮采樣值進行精確重構。對重構圖像采用主觀評價為輔，客觀評價中的PSNR和SSIM評價值進行分析。結論表明，采用本文提出的方法在提高遙感圖像壓縮重構質(zhì)量上取