中文摘要：

本项申请针对实际应用中对高分辨率高光谱图像的广泛需求，开展基于超完备稀疏分解的高光谱图像超分辨率复原技术研究,首先研究一种基于地物类别的高光谱图像稀疏分解算法，通过学习训练的方式寻找各类典型地物中最具代表性的光谱特征构成冗余字典，将高光谱图像中的每个像元分解为相应原子的最优线性组合的形式。冗余字典的设计过程引入结构相似度指标SSIM以提高所设计的字典对于图像中纹理、结构信息的描述能力。进而以此为基础，研究一种基于双字典的高光谱图像超分辨率复原算法，通过约束学习构建一组高、低分辨率相对应的冗余字典对，使得相互对应的一组高、低分辨率样本能够以相同的稀疏表示系数实现稀疏分解。在超分辨率复原过程中，首先将低分辨率图像基于低分辨率冗余字典进行稀疏分解，然后利用该稀疏分解系数基于对应的高分辨率冗余字典，重建高分辨率的高光谱图像。通过基于降质模型的约束优化进一步提高所重建图像的保真度。