資源描述：
《基于高光譜圖像的小目標(biāo)檢測(cè)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、分類號(hào)學(xué)號(hào)M201272374學(xué)校代碼10487密級(jí)碩士學(xué)位論文基于高光譜圖像的小目標(biāo)檢測(cè)學(xué)位申請(qǐng)人：周鑫學(xué)科專業(yè)：模式識(shí)別與智能系統(tǒng)指導(dǎo)教師：譚毅華副教授答辯日期:2015年5月24日AThesisSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringSmallTargetDetectionBasedonHyperspectralImageryCandidate:ZhouXinMajor:PatternRecognitionandIntellige
2、ntSystemSupervisor:Assoc.Prof.TanYihuaHuazhongUniversityofScienceandTechnologyWuhan430074,P.R.ChinaMay,2015獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除文中已經(jīng)標(biāo)明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果。對(duì)本文的研究做出貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到，本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：日期：年月日學(xué)位論文版權(quán)使用授權(quán)書(shū)本學(xué)位
3、論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)華中科技大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。保密□，在_____年解密后適用本授權(quán)書(shū)。本論文屬于不保密□。（請(qǐng)?jiān)谝陨戏娇騼?nèi)打“√”）學(xué)位論文作者簽名：指導(dǎo)教師簽名：日期：年月日日期：年月日華中科技大學(xué)碩士學(xué)位論文摘要高光譜圖像擁有成百甚至上千個(gè)波段，具有圖譜合一的特點(diǎn)，與多光譜圖像相比，不僅分辨率更高，而且包含更加豐富的空間和地物信
4、息，通過(guò)對(duì)比分析目標(biāo)光譜曲線，可以完成在其它成像模態(tài)下難以完成的目標(biāo)檢測(cè)任務(wù)。高光譜圖像的目標(biāo)檢測(cè)通常包含圖像降維、混合像元分解以及目標(biāo)檢測(cè)與識(shí)別等環(huán)節(jié)，論文圍繞高光譜圖像的小目標(biāo)檢測(cè)問(wèn)題開(kāi)展研究，主要研究工作如下：研究了高光譜圖像數(shù)據(jù)的降維及混合像元分解，在這兩個(gè)方面對(duì)幾種算法進(jìn)行了實(shí)現(xiàn)，完成高光譜圖像的降維、目標(biāo)端元提取以及豐度反演等功能，結(jié)合實(shí)驗(yàn)對(duì)算法進(jìn)行了分析和總結(jié)。對(duì)經(jīng)典的高光譜圖像目標(biāo)檢測(cè)算法進(jìn)行了介紹和分析，在有限的實(shí)驗(yàn)數(shù)據(jù)條件下，通過(guò)在高光譜圖像中線性植入目標(biāo)的模擬成像方式，對(duì)幾種目標(biāo)檢測(cè)算法進(jìn)行了實(shí)驗(yàn)評(píng)估與分析。針對(duì)高光譜圖像目標(biāo)檢測(cè)
5、中容易出現(xiàn)的過(guò)擬合現(xiàn)象，提出了一種基于稀疏矩陣變換（sparsematrixtransform，SMT）的正則化框架，這個(gè)框架能夠很好的與需要求解逆矩陣的目標(biāo)檢測(cè)算法結(jié)合起來(lái)。實(shí)驗(yàn)證明基于此框架的目標(biāo)檢測(cè)算法如SMT-Re-CEM、SMT-Re-MF能夠取得更好的檢測(cè)效果。關(guān)鍵詞：高光譜圖像，降維，混合像元分解，目標(biāo)檢測(cè)I華中科技大學(xué)碩士學(xué)位論文AbstractHyperspectralimagerycanprovidehundredseventhousandsbands,ithastheuniquecharacteristicofacquirings
6、pectralandspatialinformationsimultaneously,italsohashigherspectralresolutionandricherimagesandspatialinformationthanmultispectralimagery.Bycomparingandanalyzingtargetsignaturewecanachievegoodperformanceinhyperspectraltargetdetectionwhichishardtoachieveinotherimagerymodel.Hypersp
7、ectralimagetargetdetectionincludesdatareduction,unmixingandtargetdetectionandrecognitionetal.Basedonsmalltargetdetection,theresearchofthispaperareasfollows:Wehaveaworkonthehyperspectraldatareductionandunmixing,severalalgorithmshavebeenimplemented.Wehavedonetheworkofdatareduction
8、,endmemberextractionandabundancemaps’inversiona
