1、高光譜數據由于能夠獲得連續(xù)波長上的光譜信息，可以通過精細的光譜分析和信息提取獲得傳統(tǒng)多光譜遙感信息無法表現的信息。而這一特點使高光譜數據在植物生理生化參數反演等方面表現出顯著的優(yōu)勢。隨著植物高光譜技術的發(fā)展，在數據獲取、傳輸、分析等過程中數據量的大幅增加對傳統(tǒng)的數據采集壓縮等技術提出挑戰(zhàn)。
　　本課題圍繞建立一種對植物高光譜數據進行有效壓縮和重構的方法，在提高數據的儲存、傳輸效率同時能夠保持光譜信息對于植物光譜分析應用的需求展開研

2、究。本課題主要研究內容如下：
　?。?）對植物高光譜技術的發(fā)展以及研究中存在的難點做了介紹，將壓縮感知技術引入植物高光譜數據的壓縮和重構，首先通過PROSPECT模型數據進行了壓縮感知重構對于植物生理生化參數解譯能力的研究，然后提出了面向植物光譜特征的分布式壓縮感知并通過實際數據試驗進行了算法有效性研究；
　?。?）通過國內外最廣泛使用的PROSPECT模型產生仿真的植物葉片反射率數據，采用不同采樣率對植物光譜進行壓縮重構試

3、驗，以含水量、類胡蘿卜素和葉綠素含量等植物關鍵生理生化參數為反演目標，分別在原始光譜、光譜指數和反演模型3個層面討論了信號壓縮重構的效果和影響。試驗結果分析中，引入了歸一化均方根誤差作為評價指標，研究了原始光譜重構誤差與采樣率的變化規(guī)律，分析了不同光譜指數對采樣率的敏感程度。根據對應的光譜指數和生理生化參數構建偏最小二乘回歸反演模型，研究了反演模型重構的誤差與采樣率的關系，試驗結果表明壓縮感知能夠有效的保持植物的光譜信息；
　?。?/p>

4、3）通過分析實際高光譜數據波段之間相關性，建立了植物高光譜聯合稀疏模型，進而使用分布式壓縮感知對植物高光譜數據進行壓縮重構，試驗的結果表明分布式壓縮感知較經典的正交匹配追蹤（OMP）和梯度投影重構（GPSR）算法的重構峰值信噪比（PSNR）和算法效率均有顯著提升；
　?。?）提出了基于光譜自適應分組的分布式壓縮感知，通過引入PSNR作為自適應分組閾值，研究了不同閾值分組效果以及不同閾值下的重構效果，結果表明重構的PNSR有明顯提升