基于高光譜成像的目標檢測算法研究.pdf

1、近幾年,由于科學技術的迅猛發(fā)展,人們對“感知”提出了更高要求并得到了有效的延伸,同時,對事物的認識能力也得到了不斷的提高。過去幾十年正是成像光譜發(fā)展突飛猛進的階段,高光譜圖像的分析和處理成為當前國內外遙感圖像處理領域的研究熱點之一。高光譜圖像的突出特點是光譜分辨率高,可獲得觀測對象的幾十個或幾百個光譜波段的圖像信息,而成像光譜系統(tǒng)獲得的連續(xù)波段寬度一般都小于10nm。高光譜圖像是一種三維數(shù)據(jù),成像光譜儀為每個像素點提供一條近似連續(xù)的光譜

2、曲線,而所有像素的相同波段對應一個二維圖像。
　　高光譜遙感圖像目標檢測技術是高光譜遙感理論以及實踐應用的核心環(huán)節(jié)。所謂高光譜圖像目標檢測,即利用已知的目標光譜信息在高光譜圖像中對感興趣的目標進行檢測、確認的技術。高光譜圖像目標檢測技術在軍事和民用領域中都有重要的應用價值。在軍事領域可用于對飛機、坦克等軍事目標進行檢測、定位,也可對偽裝的軍事目標進行檢測。在民用領域可應用于公共安全、環(huán)境監(jiān)控等領域。
　　本文在深入研究經(jīng)典高

3、光譜圖像目標檢測方法的基礎上,提出了兩個新的高光譜目標檢測框架。
　　由于目前存在的高光譜圖像目標檢測算法,大多是基于統(tǒng)計模型的檢測方法,利用了二階統(tǒng)計量進行目標檢測。然而,現(xiàn)實中的目標往往服從的是非高斯分布。根據(jù) ICA的理論基礎,針對非高斯分布目標的檢測問題應使用高階統(tǒng)計量進行檢測。本文中提出兩種采用高階統(tǒng)計量的檢測方法,多種目標材料檢測器(Multiple Materials Detector,MMD)和基于擬牛頓法多種目標

4、材料檢測器(Quasi-Newton based Multiple Materials Detector,QNMMD)。文章中從理論和實驗結果均說明,相對于現(xiàn)有的基于二階統(tǒng)計量的檢測方法,基于高階統(tǒng)計量的檢測方法有更好的檢測效果。
　　在本文中,利用高光譜圖像的稀疏模型,提出了兩種檢測方法。第一種是基于凸松弛法高光譜圖像目標探測器( Convex Relaxation Based Target Detector, CRBTD)。這

5、個算法中的創(chuàng)新點在于提出了一個連續(xù)的凸函數(shù)近似l0范數(shù)。利用這個方法,可以將很難求解的NP-hard優(yōu)化問題轉化為容易求解的凸優(yōu)化問題,并且可以找到更準確的稀疏解。在實驗中,相比于目前存在的基于稀疏模型的高光譜目標檢測算法,CRBTD具有更好的檢測結果。第二種提出的算法是,基于k-mean聚類重建光譜庫的高光譜圖像目標檢測算法。在此算法中,通過對高光譜圖像進行k-mean聚類、目標光譜剔除并整合的處理,實現(xiàn)了光譜庫的自動構造。在真實高光