資源描述：
《高光譜圖像異常目標檢測》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、哈爾濱T程大學碩十學位論文摘要高光譜圖像是一種具有很高光譜分辨率的新型遙感數(shù)據(jù)。在實際高光譜影像處理和分析工作中，光譜影像豐富的光譜信息為地物的邊界和地物目標的檢測識別提供了良好的條件。其中的異常檢測算法，能在沒有先驗光譜信息的情況下，檢測到與周圍環(huán)境存在光譜差異的目標，具有較強的實用性，是目標檢測領域的研究熱點。本文在深入分析高光譜數(shù)據(jù)特點及異常檢測算法的基礎上，針對高光譜圖像異常檢測中存在的高數(shù)據(jù)維、非線性信息提取、背景干擾、混合像元等問題做了以下幾方面的研究。1．在研究高光譜圖像數(shù)據(jù)降維技術的基礎上，采用了一種基于經(jīng)驗模
2、態(tài)分析的高光譜數(shù)據(jù)融合方法。該方法以高光譜圖像白適應子空間分解后的各子空間為處理單元，通過對子空間內(nèi)各波段圖像進行希爾伯特黃變換，提取代表細節(jié)的小尺度信息進行圖像融合。將融合后的圖像用于異常檢測，不僅極大地降低了高光譜圖像的數(shù)據(jù)量，而且能夠有效地提取圖像的細節(jié)信息，提高檢測概率?！?．提出了一種基于背景抑制及頂點成分分析的高光譜異常小目標檢測方法。該算法結(jié)合了異常目標的分布有較強稀疏性和奇異性的特點，在大面積背景抑制的基礎上，應用頂點成分分析方法提取異常信息，并采用光譜角匹配進行異常檢測。該算法去除了背景干擾，有效提取出了異常
3、信息。3．在對核函數(shù)方法理論深入研究的基礎上，采用了基于混合核函數(shù)的正交子空間投影異常檢測算法。該算法在圖像的高維特征空間中進行目標點的循環(huán)檢測，將圖像投影到目標構(gòu)成的正交子空間上，來消除異常點及抑制背景。另外，在用核函數(shù)的性質(zhì)進行特征空間的內(nèi)積運算轉(zhuǎn)化時，進一步對算法進行了改進，運用了光譜核函數(shù)和徑向基核函數(shù)的線性組合，減弱了高光譜圖像同物異譜現(xiàn)象引起的能量差異對檢測精度的影響。4．在研究了基于核的特征提取算法基礎上，給出了一種基于聚類與核哈爾濱T程大學碩士學位論文主成份分析的高光譜圖像異常檢測方法。通過聚類算法提取出具有代
4、表性的聚類中心，然后將核化的主成份分析算法作用于聚類中心，提取出特征信息，在此基礎上進行目標檢測。該算法用更有代表性的聚類中心作為輸入，減少了樣本點的數(shù)目，降低了核算法的計算量。結(jié)合核主成份分析法后有效地提取出了特征向量，進一步提高了異常檢測的性能。實驗證明了在提取特征及異常目標檢測方面的優(yōu)勢。關鍵詞：高光譜圖像；異常檢測；核方法；融合哈爾濱T程大學碩+學位論文ABSTRACTHyperspectralimageryisanewclassofremotesensingdata,whichhashighspectralresol
5、ution．Inprocessingandanalyzingrealhyperspectralimagery，it’Ssufficientspectralinformationprovidegoodconditionstodetectandrecognizeobjects．TheanomalydetectorCanenabletodetecttargetswhosesignaturesarespectrallydistinctfromtheirsurroundingswithnopriorknowledge，SOitispra
6、cticableinrealsenses，anditbecomesthehotspotsinthefieldoftargetdetectionresearch．Basedontheanalysisofcharacteristicsofhyperspectralimagery，thedissertationdidsomeresearchesasfollowinginordertosolvethedifficultiesinanomalydetection,suchashighdimensionality，nonlinearfea
7、tureextraction，spectralvariety，background’Sinterfere，mixedpixels．1．AnewadaptivebandfusionalgorithmbasedontheEmpiricalModeDecomposition(EMD)WasproposedtosolvetheproblemscausedbythehighdimensionsofHyperspectralimagery．AfterthewholedataspaceWasdividedintoseveralsubspac
8、esbyadaptivesubspacedecompositionmethod，everysubspaceWasconsideredasanindependentprocessingunitandHilbert-HuangtransformWasperformedinever
