無(wú)先驗(yàn)信息的高光譜圖像小目標(biāo)檢測(cè)算法研究.pdf

1、因?yàn)楦吖庾V遙感圖像的數(shù)據(jù)比多光譜圖像的數(shù)據(jù)豐富，所以高光譜遙感圖像對(duì)地物的光譜分辨能力也比較強(qiáng)，人們?cè)絹?lái)越重視以高光譜信息為支撐的目標(biāo)檢測(cè)技術(shù)。然而在高光譜圖像中，目標(biāo)一般是小目標(biāo)，在圖像中占有面積小，會(huì)在背景地物中顯示為一種“數(shù)據(jù)異常”，可以采用異常檢測(cè)算法進(jìn)行檢測(cè)。目前，該類方法也是高光譜圖像處理的研究熱點(diǎn)之一。本文主要研究了高光譜圖像中無(wú)先驗(yàn)信息的小目標(biāo)檢測(cè)領(lǐng)域的一些關(guān)鍵技術(shù)，主要工作如下：
　　1.介紹了高光譜圖像的相關(guān)理

2、論知識(shí)及其特性，其中重點(diǎn)分析了譜間相關(guān)性和空間相關(guān)性。分析了異常檢測(cè)算法的原理，介紹了RX，局部RX和PCA-RX三種異常檢測(cè)算法，并在真實(shí)場(chǎng)景圖上比較了這三種算法的檢測(cè)性能。
　　2.介紹了高光譜圖像中的線性混合模型，研究了混合像元解混技術(shù)，其中重點(diǎn)分析了頂點(diǎn)成分分析法（VCA）和迭代誤差分析法（IEA)，并在人工合成圖上比較了兩種端元提取算法的性能。
　　3.深入研究了低概率檢測(cè)（LPD）算法的原理，針對(duì)LPD算法的缺點(diǎn)