中文摘要：

高分辨率光学遥感对地观测是我国中长期科技发展战略，是十二五国防工业七大重点任务之一。目前国内外各类光学遥感器都基于奈奎斯特香农采样理论，数据经先采样再压缩、传输和处理，造成星上资源浪费，也限制着遥感器朝着更高空间、时间、光谱和辐射分辨率的方向发展。压缩感知是一种新的以亚奈奎斯特采样率对稀疏或可压缩信号实现压缩采样和重构的理论框架，直接提取信号的信息，同时实现数据的采样和压缩，大大减小了图像采样、压缩、存储和传输的代价。本项目运用压缩感知理论，开展基于随机相位编码的光学压缩遥感机理研究。基于相位编码掩板块的随机投影特性，实现遥感图像信号的非相关稀疏分解，利用图像探测器获取这些分解信号，再重构出遥感图像；针对遥感图像的大尺寸、大数据量，研究优化的快速稳定的图像重构算法，并建立光学遥感压缩的仿真模型。该研究突破传统的光学遥感成像采样模型，对于发展新概念光学遥感系统和提升信息获取能力具有重要意义。

结论摘要：

目前国内外各类光学遥感器都基于奈奎斯特香农采样理论，数据经先采样再压缩、传输和处理，造成星上资源浪费，也限制着遥感器朝着更高空间、时间、光谱和辐射分辨率的方向发展。本项目运用压缩感知理论，开展了基于随机相位编码的光学压缩遥感机理研究。对全色光学遥感图像进行了分类稀疏特性分析，比较了过完备训练字典与DCT、小波基等调和变换稀疏表示方法的效果，重构结果表明在图像含细节丰富的情况下，过完备训练字典的表示精度更高。研究了多种可见光光学压缩成像的实现方式，选择了高斯随机相位掩摸板方式的压缩成像，通过仿真实验比较了小波、傅里叶变换、DCT等不同稀疏变换基下的图像重建质量，表明DCT变换便于构造稀疏基矩阵，重构效果也更好。对常用重构算法从运算时间及PSNR、SSIM等重构质量方面进行了比较研究，从而为不同要求和不同类型的重构算法选择提供了依据。研究并实现了自适应观测矩阵和字典联合优化方法，同时对感知矩阵与稀疏字典进行的联合优化，通过迭代的处理过程，最终获得了优化后的感知投影矩阵即观测矩阵，提高了重构质量。提出了基于稀疏度优化的遥感图像重构方法，以较小的计算代价获得遥感图像高质量重构的重要参考信息，提高了重构质量。提出了自适应分类遥感图像压缩重构方法，在基于遥感图像分类的基础上，首先从少量压缩采样值中快速的重构出原始图像，判断图像类型，然后在精确复原当中采用对应类型的字典作为图像的稀疏表示手段，从而获得了更好的重构图像。针对光学遥感宽覆盖、高空间分辨率与时间分辨率不可兼得的矛盾，提出了基于像素随机编码的超时间分辨率提升和自适应视频图像重建方法，一方面在保持空间分辨率的同时，提高了成像时间分辨率，另一方面，减小了星上存储和传输带宽。利用该方法观测图像中运动物体在编码作用下呈现出的散粒特性，提出了一种基于运动区域搜索的自适应快速重建算法，大大减少了视频图像重建时间。本项目结合其他相关研究，还将压缩感知理论在图像复原、融合、目标探测方面进行了扩展应用。