学位论文 > 优秀研究生学位论文题录展示

基于核方法的高光谱图像异常检测算法研究

作　者: 尤佳
导　师: 赵春晖
学　校: 哈尔滨工程大学
专　业: 通信与信息系统
关键词: 高光谱图像 异常检测 多窗口特征分析 自适应核方法 数字图像形态学
分类号: TP751
类　型: 硕士论文
年　份: 2011年
下　载: 11次
引　用: 0次
阅　读: 论文下载
 

内容摘要


高光谱图像是新型的遥感数据,凭借其较高的光谱分辨率,区分微小光谱差异地物的能力,且不需要任何先验光谱信息,因而具有较强的实用性,现已成为目标检测领域中的一个研究热点,受到国内外专家学者的高度重视。本文在深入分析高光谱图像数据结构及特点的基础上,运用一些信号处理手段,针对高光谱图像异常检测中存在的检测模式单一、选取适当的核参数、如何充分利用高光谱图像的空间特性等问题,做了以下三方面的研究：首先,在研究高光谱图像异常检测的检测模式的基础上,针对传统的检测模式常常受到由未知或不感兴趣的信号源发出的干扰或白噪声的影响,提出了一种基于多窗口特征分析的核RX算法(MWKRX),不同与传统目标检测的双窗口模式,该算法采用三层检测窗口对高光谱图像进行检测,即外窗,中窗,内窗。在外层窗口中利用OSP算子消除内窗口和中层窗口的背景干扰,有效的去除了白噪声。中层窗口用于选取背景像元,并利用KRX算子对内层窗口中的待测像元进行异常检测,改进算法的检测性能明显地优于传统算法,降低了虚警概率,具有较好的检测效果。其次,在分析了基于核方法的正交子空间算子即KOSP算子的基础上,提出了一种基于自适应核方法的正交子空间投影KOSP高光谱图像异常检测算法即AKOSP算法。该算法有效的解决了统一的全局检测参数很难适应复杂多变的背景环境,表现为复杂背景下的检测性能下降的问题。这不仅提高了算法的通用性也降低了检测的工作量。并将该算法与其他算法进行比较,结果表明,本文提出算法的检测性能明显地优于传统算法,表明核参数选择恰当与否是决定算法性能的重要因素。最后,针对现有的高光谱图像的异常目标检测的算法均是从数据光谱信息和特征空间分析的角度出发进行处理的,忽略了像元之间存在的空间相关性,本文提出了一种基于数字图像形态学理论的异常检测算法。利用基于灰度面积学闭开运算的核RX算法(ACO-KRX)对降维后的图像进行异常检测。不同与传统目标检测算子,该算法充分利用了光谱特性的同时,更好的兼顾到高光谱图像的空间特性,从而达到去除噪声干扰,平滑图像的检测效果。

全文目录


摘要  5-6ABSTRACT  6-10第1章 绪论  10-20  1.1 课题来源及研究目的  10-11  1.2 高光谱成像遥感技术现状及发展趋势  11-15    1.2.1 成像遥感技术概述  11-12    1.2.2 高光谱成像遥感技术概述  12-14    1.2.3 国内外高光谱成像遥感技术的发展现状  14-15  1.3 高光谱图像目标检测技术概述及发展现状  15-18    1.3.1 高光谱图像目标检测技术概述  15-17    1.3.2 高光谱图像目标检测技术发展及现状  17-18  1.4 课题研究内容及文章组织结构  18-20第2章 高光谱图像异常检测基本理论  20-36  2.1 高光谱遥感图像数据描述  20-24    2.1.1 高光谱数据描述  22    2.1.2 高光谱数据的特性  22-24  2.2 高光谱图像异常检测基本理论  24-35    2.2.1 高光谱图像降维预处理理论  24-27    2.2.2 传统的异常检测理论  27-30    2.2.3 结合核方法的异常检测理论  30-35  2.3 本章小结  35-36第3章 基于多层窗口分析的核检测算法  36-46  3.1 算法的提出  36-37  3.2 算法与原理  37-41    3.2.1 KRX算法  37-38    3.2.2 传统的双窗口特征分析算法  38-39    3.2.3 多层窗口特征分析的KRX算法  39-41  3.3 仿真结果及其分析  41-45    3.3.1 数据描述  41-42    3.3.2 实验结果与分析  42-45  3.4 本章小结  45-46第4章 基于自适应核的正交子空间投影算法  46-54  4.1 算法的提出  46-47  4.2 AKOSP算法的原理  47-50    4.2.1 传统的OSP算法  47    4.2.2 基于核方法的OSP算法  47-49    4.2.3 基于自适应原理的KOSP算法  49-50  4.3 仿真结果及其分析  50-53  4.4 本章小结  53-54第5章 基于数字图像形态学理论的核检测算法  54-65  5.1 算法的提出  54-55  5.2 基于扩展数学形态学的波段选择  55-58    5.2.1 经典数学形态学  55-56    5.2.2 扩展到高光谱图像的数学形态学经典数学形态学  56-57    5.2.3 扩展数学形态学波段选择原理  57-58  5.3 基于灰度图像形态学的核RX算法  58-60  5.4 实验结果及其分析  60-63  5.5 本章小结  63-65结论  65-67参考文献  67-70攻读硕士学位期间发表的文章和取得的科研成果  70-71致谢  71

相似论文

  1. 高光谱图像空—谱协同超分辨处理研究,TN911.73
  2. 基于感兴趣信息的高光谱图像压缩技术研究,TP391.41
  3. 高光谱与高空间分辨率遥感图像融合算法研究,TP751
  4. 人工免疫分类和异常识别算法的改进,R392.1
  5. 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
  6. 交通视频中车辆异常行为检测及应用研究,TP391.41
  7. 一种多数据流聚类异常检测算法,TP311.13
  8. 基于投影寻踪回归的网络异常检测机制研究,TP393.08
  9. 高/多光谱图像混合像元解混研究,TP751
  10. 无线传感器网络定位及目标跟踪的研究,TN929.5
  11. 高光谱图像异常目标检测,TP391.41
  12. 高光谱图像处理平台的研究与设计,TP391.41
  13. 基于非参数统计高斯核函数特征量的网络流量异常检测方法,TP393.07
  14. EPC网络的RFID供应链数据异常检测研究,TP391.44
  15. 基于气味分析的设备异常检测方法研究,TB17
  16. 基于多核混合支持向量机的城市短时交通预测,U491.14
  17. 基于关联规则的数据库安全审计系统,TP311.13
  18. 高光谱遥感图像融合技术与质量评价方法研究,TP751
  19. 基于矢量量化的高光谱图像无损压缩算法研究,TP751.1
  20. 基于三维光谱模型的高光谱图像压缩方法的研究,TP751.1

中图分类: > 工业技术 > 自动化技术、计算机技术 > 遥感技术 > 遥感图像的解译、识别与处理 > 图像处理方法
© 2012 www.xueweilunwen.com