学位论文 > 优秀研究生学位论文题录展示

高光谱图像异常目标检测

作　者: 王楠楠
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核方法融合
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 90次
引　用: 2次
阅　读: 论文下载

内容摘要

高光谱图像是一种具有很高光谱分辨率的新型遥感数据。在实际高光谱影像处理和分析工作中,光谱影像丰富的光谱信息为地物的边界和地物目标的检测识别提供了良好的条件。其中的异常检测算法,能在没有先验光谱信息的情况下,检测到与周围环境存在光谱差异的目标,具有较强的实用性,是目标检测领域的研究热点。本文在深入分析高光谱数据特点及异常检测算法的基础上,针对高光谱图像异常检测中存在的高数据维、非线性信息提取、背景干扰、混合像元等问题做了以下几方面的研究。1.在研究高光谱图像数据降维技术的基础上,采用了一种基于经验模态分析的高光谱数据融合方法。该方法以高光谱图像自适应子空间分解后的各子空间为处理单元,通过对子空间内各波段图像进行希尔伯特黄变换,提取代表细节的小尺度信息进行图像融合。将融合后的图像用于异常检测,不仅极大地降低了高光谱图像的数据量,而且能够有效地提取图像的细节。信息,提高检测概率。2.提出了一种基于背景抑制及顶点成分分析的高光谱异常小目标检测方法。该算法结合了异常目标的分布有较强稀疏性和奇异性的特点,在大面积背景抑制的基础上,应用顶点成分分析方法提取异常信息,并采用光谱角匹配进行异常检测。该算法去除了背景干扰,有效提取出了异常信息。3.在对核函数方法理论深入研究的基础上,采用了基于混合核函数的正交子空间投影异常检测算法。该算法在图像的高维特征空间中进行目标点的循环检测,将图像投影到目标构成的正交子空间上,来消除异常点及抑制背景。另外,在用核函数的性质进行特征空间的内积运算转化时,进一步对算法进行了改进,运用了光谱核函数和径向基核函数的线性组合,减弱了高光谱图像同物异谱现象引起的能量差异对检测精度的影响。4.在研究了基于核的特征提取算法基础上,给出了一种基于聚类与核主成份分析的高光谱图像异常检测方法。通过聚类算法提取出具有代表性的聚类中心,然后将核化的主成份分析算法作用于聚类中心,提取出特征信息,在此基础上进行目标检测。该算法用更有代表性的聚类中心作为输入,减少了样本点的数目,降低了核算法的计算量。结合核主成份分析法后有效地提取出了特征向量,进一步提高了异常检测的性能。实验证明了在提取特征及异常目标检测方面的优势。

全文目录

摘要  5-7
ABSTRACT  7-11
第1章绪论  11-27
  1.1 高光谱遥感概述  11-20
    1.1.1 高光谱遥感简介  11-14
    1.1.2 高光谱数据特性  14-19
    1.1.3 高光谱图像处理  19-20
  1.2 相关技术国内外研究现状  20-25
    1.2.1 高光谱异常目标检测研究现状  20-23
    1.2.2 异常目标检测存在的问题  23-25
  1.3 研究内容和章节安排  25-27
第2章基于图像融合的高光谱异常目标检测  27-44
  2.1 高光谱图像融合  27-33
    2.1.1遥感数据融合的分类  27-31
    2.1.2 数据融合算法  31-33
  2.2 基于EMD图像融合的高光谱异常目标检测  33-39
    2.2.1 经验模态分析(EMD)  33-35
    2.2.2 异常检测  35-38
    2.2.3 基于EMD图像融合的高光谱异常目标检测  38-39
  2.3 仿真实验及性能分析  39-43
  2.4 本章小结  43-44
第3章基于端元提取的高光谱图像异常目标检测  44-54
  3.1 端元提取  44-47
    3.1.1 模型中端元的描述  44-45
    3.1.2 端元提取中的典型算法  45-47
  3.2 基于背景抑制及顶点成分分析的高光谱图像异常检测  47-50
    3.2.1 顶点成分分析  47-48
    3.2.2 基于背景抑制及顶点成分分析的高光谱图像异常检测  48-50
  3.3 仿真实验及性能分析  50-53
  3.4 本章小结  53-54
第4章基于核正交投影的高光谱异常目标检测  54-64
  4.1 核函数方法  54-57
    4.1.1 核方法  54-55
    4.1.2 核函数  55-57
  4.2 核正交子空间投影  57-61
    4.2.1 正交子空间投影  57
    4.2.2 核正交子空间投影  57-60
    4.2.3 分块处理  60-61
  4.3 仿真实验及性能分析  61-63
  4.4 本章小结  63-64
第5章基于聚类与KPCA的高光谱异常目标检测  64-72
  5.1 KPCA特征提取算法  64-65
    5.1.1 主成分分析  64
    5.1.2 基于核主成份分析的特征提取  64-65
  5.2 聚类算法  65-68
    5.2.1 K-MEANS算法  66
    5.2.2 K-MEDOIDS算法  66
    5.2.3 FCM算法  66-68
    5.2.4 算法评价  68
  5.3 基于聚类与KPCA的高光谱异常目标检测算法  68-69
  5.4 仿真实验及性能分析  69-71
  5.5 本章小结  71-72
结论  72-74
参考文献  74-79
攻读硕士学位期间发表的文章和取得的科研成果  79-80
致谢  80

高光谱图像异常目标检测

内容摘要

全文目录

相似论文