卫星在获取地面信息时会受到大气、电磁波的干扰，导致高光谱影像本身产生坏线和噪声。针对这一问题，本文结合高光谱遥感影像的特性提出了一种基于空谱联合和波段分类的影像重构方法。首先，根据噪声影响程度将影像波段分为坏线强干扰波段和非干扰低噪声波段；其次，对波段进行分组，确定每组参考波段，并对参考波段进行独立重构；然后，根据参考波段构建双模式空谱联合预测模型，利用正则化交叉投影得到非参考波段重构影像；最后，对坏线强干扰波段，先进行独立重构，然后对重构影像进行小波分解，通过高频校正得到了干扰波段最终重构影像。实验表明，本文方法对重构高光谱影像的平均信噪比较传统方法提高了1~2 dB。

高光谱遥感影像通常包含几十或上百个光谱波段，其海量的数据给影像的存储、传输以及后续处理带来了挑战。针对这一问题，根据高光谱遥感影像谱间相关性强的特性，提出了一种结合双参考波段线性预测的基于压缩感知的高光谱遥感影像重构方法。首先，将高光谱遥感影像的波段进行分组，每组确定两个参考波段，使用正交匹配追踪（OMP）算法重构每组的两个参考波段。其次，根据重构恢复的组内的两个参考波段，建立了一个基于双参考波段的线性预测模型，用来计算该组内非参考波段的预测值；然后，使用OMP 算法重构实际测量值与预测测量值的差值，得到差值向量；最后，利用得到的差值向量迭代修正预测测量值，直到恢复该波段原始图像。仿真实验结果表明，该方法提高了高光谱遥感影像的重构效果。

高光谱遥感影像包含丰富的空间、辐射以及光谱信息, 同时海量的数据也引发了高光谱成像技术在传输和存储方面的诸多问题。针对这一问题, 根据高光谱遥感影像谱间相关性强的特性, 提出了一种结合谱间多向预测的基于压缩感知的高光谱遥感影像重构方法。首先, 根据高光谱遥感影像的谱间相关性对高光谱遥感影像的波段进行分组, 每组确定一个参考波段, 使用平滑l0范数算法重构每组的参考波段。其次, 根据重构恢复的相邻组内的参考波段, 建立了一个非参考波段预测模型, 用来计算非参考波段的预测测量值; 然后, 计算实际测量值与预测测量值的差值, 使用SL0算法重构该差值得到差值向量; 最后, 利用得到的差值向量迭代更新预测测量值, 直到恢复该波段原始图像。仿真实验结果表明, 该方法提高了高光谱遥感影像的重构效果。

为了解决尺度不变特征变换(SIFT)描述子在存在较多相似结构的匹配中，易造成误匹配，并且维数较高、匹配耗时的问题，提出了一种融合相对几何位置的压缩感知描述子。首先，以特征点为中心，将周围关键点的相对几何位置(RGL)信息形成尺度和旋转不变的RGL描述子，其次，对SIFT描述子利用压缩感知(CS)理论进行降维，形成CS-SIFT描述子，最后将两者融合形成RGL-CS-SIFT描述子。实验结果表明：与SIFT和PCA-SIFT描述子相比，匹配速度有所提升，匹配准确率明显提高。