發(fā)布時(shí)間：2020-07-07 12:29

【摘要】：高光譜遙感作為一種電磁波成像處理技術(shù),能夠以狹窄而連續(xù)的波段實(shí)現(xiàn)對(duì)地物的精細(xì)觀測(cè),地物的光譜特征,是不同化學(xué)成分物質(zhì)所具有的固有特性,利用光譜信息可以有效的對(duì)材料進(jìn)行識(shí)別和區(qū)分,這就為高光譜目標(biāo)檢測(cè)提供了條件。高光譜圖像目標(biāo)檢測(cè)具有很高的研究?jī)r(jià)值,在環(huán)境監(jiān)測(cè)、海上搜救、邊境檢測(cè)、礦產(chǎn)資源定位等眾多領(lǐng)域都具有實(shí)際應(yīng)用意義。由于目標(biāo)尺寸和高光譜傳感器分辨率等因素限制,感興趣目標(biāo)在高光譜圖像上往往處于亞像元級(jí)或弱信息狀態(tài),這就使得傳統(tǒng)的基于空間形態(tài)的目標(biāo)檢測(cè)算法無(wú)法實(shí)現(xiàn)對(duì)這類目標(biāo)的檢測(cè),而高光譜遙感目標(biāo)檢測(cè)主要是通過(guò)目標(biāo)和其他地物背景的光譜差異進(jìn)行的,因此發(fā)展適用于高光譜圖像的目標(biāo)檢測(cè)技術(shù)就顯得尤為重要。本文著眼于高光譜數(shù)據(jù)“圖譜合一”的特性,研究如何在稀疏表示的框架下有效聯(lián)合高光譜圖像光譜信息和空間信息,以實(shí)現(xiàn)高光譜圖像目標(biāo)檢測(cè)。論文首先分析了高光譜圖像的稀疏性,回顧了高光譜圖像目標(biāo)檢測(cè)的稀疏表示模型和求解方法。再結(jié)合高光譜數(shù)據(jù)“圖譜合一”的特性,研究聯(lián)合空間信息的高光譜圖像稀疏表示目標(biāo)檢測(cè)算法。提出了一種借用多任務(wù)學(xué)習(xí)思想的鄰域聯(lián)合稀疏表示模型,并根據(jù)光譜相似性對(duì)聯(lián)合任務(wù)進(jìn)行篩選,避免將地物邊界處不相似的檢測(cè)任務(wù)進(jìn)行錯(cuò)誤的聯(lián)合,針對(duì)逐像元檢測(cè)過(guò)程中,相似性判斷重復(fù)計(jì)算的問(wèn)題,提出了一種基于二元假設(shè)的預(yù)計(jì)算方法,有效避免了光譜特征相似性的重復(fù)計(jì)算。另外對(duì)比分析協(xié)作表示算法,研究其理論基礎(chǔ),明確了協(xié)作表示理論和雙邊濾波思想之間的相似性,借用雙邊濾波將高光譜圖像空間維和光譜維信息聯(lián)合作為T(mén)ikhonov正則項(xiàng)對(duì)協(xié)作表示模型進(jìn)行約束。在二元假設(shè)下,采用正則項(xiàng)約束的協(xié)作表示代替鄰域聯(lián)合多任務(wù)稀疏表示對(duì)背景像元模型化,得出了一種充分利用“圖譜合一”特性的空間約束聯(lián)合稀疏表示和協(xié)作表示的高光譜圖像目標(biāo)檢測(cè)算法。論文利用仿真數(shù)據(jù)和真實(shí)高光譜遙感數(shù)據(jù),對(duì)上述改進(jìn)過(guò)程的每一步進(jìn)行有效性檢測(cè),實(shí)驗(yàn)結(jié)果與理論分析基本一致,空間約束的聯(lián)合稀疏表示和協(xié)作表示高光譜圖像目標(biāo)檢測(cè)算法在實(shí)驗(yàn)所用的所有數(shù)據(jù)集上都取得了較好的檢測(cè)結(jié)果,AUC值均達(dá)到了95%以上,可以在較低虛警率下實(shí)現(xiàn)100%的檢測(cè)率。
【學(xué)位授予單位】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院上海技術(shù)物理研究所)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP751
【圖文】：

圖 2.2 球殼對(duì)球的體積比與維數(shù)的關(guān)系Figure 2.2 The relationship between volume ratio and dimension從圖 2.2 可以看出，維數(shù) d 越高，球殼與球的體積比越接近 1，在 3 維空內(nèi)，球殼所占的體積僅為 27%，隨著維數(shù)的增加，當(dāng)維數(shù) d=22 時(shí)，球殼的體就占到球體積的 90.15%，當(dāng)維數(shù) d 增加到 44 時(shí)，體積比為 99.03%，即球殼的積基本等同于球的體積。這說(shuō)明高維空間的超球體其體積大部分集中在球殼的置，其內(nèi)部空間是高度稀疏的，高維空間存在空空間的現(xiàn)象。從數(shù)據(jù)分布的角考慮，對(duì)于標(biāo)準(zhǔn)正態(tài)分布，一維情況下，區(qū)間[-1,1]內(nèi)包含了接近 70%的點(diǎn)，而當(dāng)維數(shù)達(dá)到 10 時(shí)，在以原點(diǎn)為球心的單位超球體內(nèi)只含有 0.02%的數(shù)據(jù)[64]。外對(duì)于高維數(shù)據(jù)而言，隨著其維度的增加，在其分布的超平面空間內(nèi)所包含的據(jù)量也會(huì)急劇增多，例如 1 維空間長(zhǎng)度為 10 的數(shù)據(jù)空間，當(dāng)其擴(kuò)展到 100 維時(shí)其超平面空間所包含的數(shù)據(jù)量就變?yōu)榱?0100量級(jí)，而信號(hào)的采集能力往往是

圖 2.5 目標(biāo)及部分背景的光譜曲線Figure 2.5 Target and background spectral profile（a）仿真數(shù)據(jù)背景 （b）混合目標(biāo)真實(shí)位置圖 2.6 仿真數(shù)據(jù)背景假彩圖及目標(biāo)像元真實(shí)位置re 2.6 Background false color map and ground truth for simulati實(shí)數(shù)據(jù)來(lái)自于機(jī)載的 HYDICE 數(shù)據(jù)。該高光譜圖像的

圖 3.10 六種算法對(duì)仿真數(shù)據(jù)的 ROC 曲線Figure 3.10 ROC curves of six algorithms for simulated data3.4.2 HYDICE 數(shù)據(jù)目視結(jié)果和 ROC 曲線分析六種算法對(duì) HYDICE 數(shù)據(jù)的目視結(jié)果如圖 3.11 所示，結(jié)果特點(diǎn)大致和仿真數(shù)據(jù)相一致，可以看出對(duì)于這組數(shù)據(jù)，CEM 檢測(cè)效果相對(duì)穩(wěn)定多了，STD 算法仍然對(duì)背景像元存在較高的誤判斷；相較于 STD，BSTD 對(duì)背景的檢測(cè)結(jié)果有所改善，但是由于只是單純的考慮了光譜維信息，所以檢測(cè)結(jié)果仍然存在不少散亂分布的錯(cuò)判斷像元。由于這組數(shù)據(jù)中的目標(biāo)像元的尺寸很小，所以不加約束的二元假設(shè)空間鄰域多任務(wù)聯(lián)合法對(duì)目標(biāo)像元的平滑程度不大，反而對(duì) BSTD 中離散分布的錯(cuò)誤判斷的背景像元的抑制效果很好，單從這組數(shù)據(jù)的結(jié)果上看，BMSTD 和SBMSTD 的檢測(cè)精度基本一致。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;圖像目標(biāo)檢測(cè)技術(shù)及應(yīng)用[J];大數(shù)據(jù);2016年05期

2 李曉冰;;具有先驗(yàn)信息的經(jīng)緯儀測(cè)量圖像目標(biāo)檢測(cè)技術(shù)[J];光電技術(shù)應(yīng)用;2008年01期

3 賀霖;潘泉;邸椺;李遠(yuǎn)清;;高光譜圖像目標(biāo)檢測(cè)研究進(jìn)展[J];電子學(xué)報(bào);2009年09期

4 范金華;陳鍛生;;高光譜圖像目標(biāo)檢測(cè)研究進(jìn)展[J];微型機(jī)與應(yīng)用;2015年16期

5 王艷,鮑建躍,林曉春,過(guò)潤(rùn)秋;基于FPGA的紅外圖像目標(biāo)檢測(cè)[J];西安電子科技大學(xué)學(xué)報(bào);2005年03期

6 強(qiáng)贊霞,彭嘉雄;基于融合及數(shù)學(xué)形態(tài)學(xué)的遙感圖像目標(biāo)檢測(cè)[J];計(jì)算機(jī)工程;2005年10期

7 聶永剛;但志平;;足球賽場(chǎng)運(yùn)動(dòng)視頻圖像目標(biāo)檢測(cè)仿真[J];計(jì)算機(jī)仿真;2017年07期

8 張鐵棟;萬(wàn)磊;秦再白;馬悅;;基于離散分?jǐn)?shù)布朗隨機(jī)場(chǎng)的水下圖像目標(biāo)檢測(cè)[J];光電工程;2008年08期

9 石志廣;周劍雄;張焱;;圖像目標(biāo)檢測(cè)前跟蹤的廣義多伯努利濾波算法[J];紅外與毫米波學(xué)報(bào);2018年03期

10 劉蓉;李紅艷;;多媒體網(wǎng)絡(luò)圖像目標(biāo)檢測(cè)算法仿真研究[J];計(jì)算機(jī)仿真;2018年12期

相關(guān)會(huì)議論文 前6條

1 李國(guó)強(qiáng);艾淑芳;;一種天空背景紅外圖像目標(biāo)檢測(cè)方法[A];第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

2 黃家閩;楊瓏頎;;基于隨機(jī)共振和支持向量機(jī)的聲納圖像目標(biāo)檢測(cè)[A];信號(hào)處理在生儀2014學(xué)術(shù)年會(huì)論文集[C];2014年

3 劉東華;王元?dú)J;李秋娜;;小波分析理論在圖像目標(biāo)檢測(cè)中的應(yīng)用[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

4 高飛;劉愛(ài)冬;;基于深度卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像目標(biāo)檢測(cè)[A];第十二屆全國(guó)信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2018年

5 劉代志;何元磊;黃世奇;;基于地物波譜特性的高光譜圖像目標(biāo)檢測(cè)與識(shí)別[A];國(guó)家安全地球物理叢書(shū)（七）——地球物理與核探測(cè)[C];2011年

6 劉向君;楊澤剛;劉強(qiáng);;基于多波段SAR圖像目標(biāo)檢測(cè)決策級(jí)融合和圖像分類的目標(biāo)狀態(tài)標(biāo)注[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

相關(guān)博士學(xué)位論文 前8條

1 王振華;基于深度學(xué)習(xí)的野外巡線系統(tǒng)圖像目標(biāo)檢測(cè)研究[D];中國(guó)地質(zhì)大學(xué)(北京);2018年

2 張國(guó)敏;復(fù)雜場(chǎng)景遙感圖像目標(biāo)檢測(cè)方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

3 劉說(shuō);低檢測(cè)率SAR圖像目標(biāo)檢測(cè)與識(shí)別理論研究[D];電子科技大學(xué);2017年

4 李軒;基于局部特征的遙感圖像目標(biāo)檢測(cè)方法研究[D];長(zhǎng)春理工大學(xué);2016年

5 李曉慧;高光譜圖像目標(biāo)檢測(cè)及壓縮方法研究[D];哈爾濱工程大學(xué);2014年

6 郭鵬宇;光測(cè)圖像目標(biāo)檢測(cè)跟蹤與判讀方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2015年

7 郭軍;引入上下文信息的可見(jiàn)光遙感圖像目標(biāo)檢測(cè)與識(shí)別方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

8 傅志中;紅外掃描成像動(dòng)目標(biāo)檢測(cè)跟蹤技術(shù)與DSP實(shí)時(shí)實(shí)現(xiàn)[D];電子科技大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 周明非;基于深度神經(jīng)網(wǎng)絡(luò)的遙感圖像目標(biāo)檢測(cè)研究[D];陜西師范大學(xué);2018年

2 徐暉;基于哈希學(xué)習(xí)的遙感圖像目標(biāo)檢測(cè)及應(yīng)用[D];南京理工大學(xué);2018年

3 白猛猛;深度位敏信息網(wǎng)絡(luò)的圖像目標(biāo)檢測(cè)研究[D];西安工業(yè)大學(xué);2018年

4 黎敏訥;分布式數(shù)據(jù)分層抽樣技術(shù)及其在目標(biāo)檢測(cè)領(lǐng)域的應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2017年

5 侯瑤淇;基于多尺度深度網(wǎng)絡(luò)和視覺(jué)注意機(jī)制的高分辨SAR圖像目標(biāo)檢測(cè)與分類[D];西安電子科技大學(xué);2018年

6 鄧洋洋;高分辨率SAR圖像目標(biāo)檢測(cè)與特征提取[D];成都信息工程大學(xué);2018年

7 孫大鵬;空間約束聯(lián)合表示高光譜圖像目標(biāo)檢測(cè)[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院上海技術(shù)物理研究所);2018年

8 劉培;基于深度學(xué)習(xí)的圖像目標(biāo)檢測(cè)與分割算法的研究與應(yīng)用[D];燕山大學(xué);2018年

9 呂建君;基于深度學(xué)習(xí)的空域圖像目標(biāo)檢測(cè)研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2018年

10 朱然;紅外圖像目標(biāo)檢測(cè)及并行化處理技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

本文編號(hào)：2745119