基于压缩感知与群优化的遥感图像重构与分割算法研究.pdf

基于压缩感知与群优化的遥感图像重构与分割算法研究

摘要

随着遥感技术的不断发展，遥感图像处理在许多领域中得到了广泛应用，如地质勘

探、环境监测、农业生产等。其中遥感图像的重构和分割是重要的研究方向，因为它们

能够提取图像中的有用信息并进行后续分析。然而，由于遥感图像的高维特性、大数据

量特性和信息复杂性，传统的图像处理方法已经无法满足需求。

为解决以上问题，本文研究的是一个整体的对于遥感图像的处理过程，处理过程为

对遥感图像进行传输重构后再进行图像的分割，具体的内容如下：

首先，对于遥感图像的高维特性以及稀疏度未知等问题，传统的贪婪算法要求信号

的稀疏性为已知条件，且无法适应遥感图像的高维特性，导致遥感图像重建精度较差。

为解决这些问题，本文提出了一种基于变步长回溯策略的自适应双阈值匹配追踪算法。

首先，通过两个自适应阈值选择次优原子集合。然后，通过可变步长回溯策略，原子被

选择两次以获得最优原子集合。该算法可以提高在稀疏性未知的情况下信号的完全重建

率，而可变步长回溯策略可以有效地降低算法的复杂度。通过重构模拟实验，一维信号

的重建精度可以在一定条件下达到100%。重建速度也有相对提高。对于二维图像信号，

在不同的压缩比下，使用该算法重建的遥感图像的图像质量相对比其他算法均有增强，

该结果表明了基于变步长回溯策略的自适应双阈值匹配追踪算法的准确性与有效性。

其次，由于遥感图像的数据量庞大与复杂性，对遥感图像进行图像分割会产生不区

分前后背景，分割信息缺失，对像素的分类不够准确，以及需要手动选择阈值等问题，

这些问题会严重影响图像的视觉表达效果与需要的信息。根据以上问题，本文提出了一

种基于群优化的图像分割算法，首先，本文在哈里斯鹰算法的基础上对其进行优化，加

入精英反向学习，以此来优化该算法在处理部分复杂、多维优化问题时容易陷入局部极

值、收敛速度慢等不足。接着将改进的哈里斯鹰算法与传统最小交叉熵阈值分割算法进

行结合，解决遥感图像分割结果差、手动选择阈值与阈值选择不准确等问题，增强了遥

感图像分割的效果。遥感图像的测试结果表明该分割算法的准确性与有效性。

关键词：遥感图像；压缩感知；图像重构；图像分割；群优化算法

基于压缩感知与群优化的遥感图像重构与分割算法研究

ABSTRACT

Withthecontinuousdevelopmentofremotesensingtechnology,remotesensingimage

processinghasbeenwidelyappliedinmanyfields,suchasgeologicalexploration,

environmentalmonitoring,andagriculturalproduction.Reconstructionandsegmentationof

remotesensingimagesareimportantresearchdirectionsbecausetheycanextractuseful

informationfromimagesforsubsequentanalysis.However,traditionalimageprocessing

methodscannotmeetthedemandsduetothehigh-dimensionalcharacteristics,largedata

volume,andinformationcomplexityofremotesensingimages.

Toaddresstheseissues,thispaperstudiesacomprehensiveprocessforremotesensing

imageprocessing,whichinvolvestransmittingandreconstr