本研究提出了一种基于埃尔米特插值与压缩感知理论相结合的新方法，用于高效地重构高光谱图像。该算法利用稀疏表示和非均匀采样特性，能够有效减少数据采集量并保持高质量的图像重建效果。
针对高光谱图像的压缩感知重构问题，利用正交匹配追踪算法能够通过寻找最优原子对原始信号进行线性表示，并使残差不断减小以获取高质量的重构信号。然而，在处理基于冗余字典的问题时，该方法的主要耗时在于原子匹配过程和残差更新过程，导致计算复杂度较高且难以实现实时处理。
为解决这一问题，本段落提出了一种适用于高光谱图像的埃尔米特压缩感知重构算法。其核心思想包括两个方面：首先利用埃尔米特求逆引理对正交匹配追踪算法中的残差更新迭代进行优化；其次采用人工鱼群算法加速原子匹配过程，提高执行效率。
实验结果表明，在合理设置参数的前提下，所提出的算法在保持较高重构精度的同时，相较于传统的正交匹配追踪方法能够将计算速度提升约10倍。
5星
