基于多尺度分析的高光譜圖像目標(biāo)檢測(cè)算法研究.pdf

1、隨著成像光譜技術(shù)的發(fā)展，高光譜圖像的研究已經(jīng)進(jìn)入到對(duì)獲取的高光譜數(shù)據(jù)進(jìn)行有效處理和利用的階段。高光譜圖像具有光譜分辨率高、波段寬度窄、信息量大的特點(diǎn)，能夠以較高的光譜診斷能力區(qū)分和檢測(cè)地物目標(biāo)，因此用高光譜圖像進(jìn)行目標(biāo)檢測(cè)的研究受到了廣泛的重視。然而數(shù)據(jù)量大、數(shù)據(jù)維高、目標(biāo)小等因素也給檢測(cè)帶來了很大困難，一些傳統(tǒng)的目標(biāo)檢測(cè)方法已經(jīng)無法取得良好的效果，因此有必要研究新的、有效的高光譜圖像目標(biāo)檢測(cè)算法。在這樣的背景下，本課題進(jìn)行了以下幾方面

2、研究。
　　首先，對(duì)高光譜圖像的特性和目標(biāo)檢測(cè)方法進(jìn)行了研究。在分析了光譜分辨率特性、空間相關(guān)性和波段間相關(guān)性后，采用特征提取進(jìn)行數(shù)據(jù)降維，具體使用了主成分分析和獨(dú)立分量分析的方法。隨后介紹了RX檢測(cè)算法，并提出了基于高階矩的ROI提取和主成分目標(biāo)特征選擇兩項(xiàng)改進(jìn)措施，以進(jìn)一步提高檢測(cè)性能。
　　其次，研究了多尺度幾何分析在目標(biāo)檢測(cè)上的應(yīng)用，提出了基于Curvelet變換的高光譜圖像目標(biāo)檢測(cè)方法。當(dāng)前以Curvelet為代表

3、的多尺度幾何分析方法具有良好的方向性、快速的收斂性和表達(dá)的稀疏性，比小波變換更適合處理圖像信號(hào)。論文詳細(xì)闡述了Curvelet變換及其實(shí)現(xiàn)，重點(diǎn)研究了用Curvelet變換增強(qiáng)高光譜圖像目標(biāo)特征的方法，并通過對(duì)比實(shí)驗(yàn)驗(yàn)證了算法的有效性與優(yōu)越性。
　　最后，論文用多分辨率分析方法研究了空間、光譜和輻射分辨率對(duì)于目標(biāo)檢測(cè)的影響。通過介紹高光譜成像光譜儀，可以了解到研究所用圖像的成像原理、過程和參數(shù)。然后分別提出空間、光譜和輻射的多分辨