非線性流形結構在高光譜圖像異常檢測中的應用研究.pdf

1、隨著納米級分辨率成像光譜儀的出現，高光譜圖像中蘊含的豐富光譜信息為地物目標的探測技術提供了有力支撐。異常檢測技術無需先驗信息即可自動檢測與周圍環(huán)境光譜相異的地物，得到廣泛研究。
　　傳統(tǒng)的基于線性模型的異常檢測已被認識到存在諸多弊端，本文從面向異常檢測的角度來研究圖像數據集合在高維光譜空間的分布特性，分析了高光譜圖像數據內蘊的非線性流形結構，并基于此開展了高光譜圖像異常檢測的算法研究。
　?。?）從光譜傳感器的成像機理入手，

2、分析了造成波譜變化的原因以及影響波譜特性的物理因素。利用真實數據，呈現了圖像光譜不確定性的表現；研究了目前較為成熟的非線性混合模型，并針對實際數據利用主成分分析和測地線距離分析了數據集在高維光譜空間的非線性流形結構特性，為確定基于非線性結構的異常檢測算法提供原理性的指導。
　?。?）根據高光譜圖像數據在高維光譜空間中呈現出非線性流形的幾何結構特性，提出一種基于光譜空間窗口的異常檢測算法（Spectral Space Window

3、Anomaly Detection，SSW-AD）。在光譜空間中，每一個像元的光譜曲線對應空間中的一個點。首先在光譜空間中建立滑動窗口，根據局部線性思想，窗口所覆蓋的像素點應具有局部線性流形結構；然后在此基礎上實現基于局部線性結構的異常檢測算法，從而實現對全局非線性流形的有效處理。
　?。?）針對高光譜圖像的高維度特性研究了在樣本點較少時進行降維的必要性。比較分析了傳統(tǒng)的線性降維方法與非線性降維方法的區(qū)別。驗證了非線性流形學習方法

4、針對高光譜圖像處理的有效性，并且針對傳統(tǒng)流形學習方法中存在的鄰域選擇不確定性的問題提出了一種新的基于流形學習的異常檢測算法。
　?。?）針對高光譜圖像的特點將光譜角和光譜梯度相結合提出一種新的光譜測度，新的測度可以避免光照變化和地形變化造成的測度不穩(wěn)定性，并且可以提高傳統(tǒng)測度的光譜分辨能力。
　?。?）研究了基于核函數的異常檢測算法，將背景端元提取算法與核RX算法相結合，改進了背景核矩陣的生成方式，在利用高光譜圖像內蘊的非線