为了实现高光谱图像的有效压缩采样与重构, 对分布式压缩采样的高光谱数据应用线性混合模型进行重构。首先, 在图像采集阶段, 针对高光谱图像的空谱特性, 应用分布式压缩采样策略对高光谱数据进行采集；在数据重构阶段, 应用高光谱图像的线性混合模型假设, 先对压缩数据进行端元数目的估计, 再利用估计的端元数来估计丰度矩阵, 根据端元特征信号的稀疏性质提取端元矩阵, 从而重构出原始的高光谱数据, 抛弃了压缩感知重构算法中高计算复杂性的欠定问题求解。实验结果表明：在压缩采样数据为总数据的 20%时, 重构的平均信噪比比压缩投影主成分分析算法提高了 15 dB以上, 同时该方法还便于获得端元和丰度信息。所设计的压缩感知方案采样方式简单, 重构速度快、精度高, 可应用于星载或机载的高光谱压缩感知成像。

根据高光谱数据的特点，提出了一种基于像元的分布式压缩采样模型来实现高光谱图像的有效压缩采样与重构。搭建了能实现该模型的压缩采样光谱成像系统，并研究了用于该系统成像的重构算法。在图像采集阶段，将高光谱数据分为参考像元和压缩感知像元; 地面像元的辐射能通过棱镜进行谱带分离，再利用数字微镜器件实现谱带的线性编码。对压缩感知像元进行低采样率的线性编码，对参考像元进行采样率为1的线性编码。压缩采样数据重构时，不再采用传统方法直接重构高光谱数据，而是利用线性混合模型将重构高光谱数据转换成端元提取和丰度估计，然后根据重构的端元和丰度恢复原数据。对比实验表明，在压缩采样数据为总数据的20%时，重构的平均信噪比提高了10 dB。所设计的成像系统应用压缩感知理论减少了采集的数据量，采样方式简单，可应用于星载或机载的高光谱压缩感知成像。

提出一种推扫式谱间压缩采样的高光谱成像系统, 用于实现高光谱图像的压缩感知成像, 并对该系统成像的重构算法进行了研究。在图像采集阶段, 采用棱镜对地面成像行的像素进行谱带分离, 然后利用数字微镜器件实现谱带的线性编码, 通过柱面透镜完成编码谱带的叠加。压缩采样数据重构时, 不像传统的压缩感知重构方法那样直接重构高光谱数据, 而是利用线性光谱库混合模型将重构高光谱数据转换成重构丰度系数矩阵, 采用交替方向乘子法求解丰度的优化问题, 再根据重构的丰度和高光谱库恢复原数据。与标准压缩感知重构算法的对比实验表明, 该方法在压缩采样数据为总数据的20%时, 重构的平均峰值信噪比比标准压缩感知提高了18 dB。所设计的成像系统采样方式简单, 可应用于星载或机载的高光谱压缩感知成像。