發(fā)布時(shí)間：2017-04-26 00:04

  本文關(guān)鍵詞：基于盲信號(hào)處理的高光譜目標(biāo)探測(cè)方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：高光譜遙感影像具有高分辨率以及圖譜合一的特點(diǎn),提供了地物詳細(xì)而豐富的光譜信息,因此利用高光譜影像進(jìn)行目標(biāo)探測(cè)有獨(dú)特的優(yōu)勢(shì)。高光譜目標(biāo)探測(cè)就是將目標(biāo)與其他地物加以區(qū)別,判斷目標(biāo)在高光譜影像各個(gè)像元內(nèi)的存在性問題。目標(biāo)探測(cè)的本質(zhì)是一個(gè)分類問題,將影像中的地物分為目標(biāo)和背景兩類,與其他分類不同的是在該分類中目標(biāo)所占比例很小。在目標(biāo)探測(cè)中,背景區(qū)域的選取直接影響到背景維數(shù)的大小,也直接影響到目標(biāo)探測(cè)的性能。因此如何選取背景區(qū)域和得到背景維數(shù)是高光譜目標(biāo)探測(cè)的關(guān)鍵問題。論文中詳細(xì)探討了基于背景子空間以及基于盲信號(hào)處理的高光譜目標(biāo)探測(cè)方法,主要研究工作可以概括如下:首先,系統(tǒng)分析說明高光譜遙感影像成像原理以及它的組成方式,對(duì)其已有的技術(shù)進(jìn)行說明總結(jié),簡(jiǎn)單描述了目前高光譜遙感的一些應(yīng)用和發(fā)展,對(duì)經(jīng)典目標(biāo)探測(cè)算法進(jìn)行詳細(xì)的理論分析和實(shí)驗(yàn)研究,實(shí)現(xiàn)了一系列經(jīng)典的目標(biāo)探測(cè)算法如RX、GLRT、MF、ACE等,并利用真實(shí)數(shù)據(jù)和模擬數(shù)據(jù)對(duì)算法進(jìn)行實(shí)驗(yàn)驗(yàn)證。其次,提出一種基于盲信號(hào)處理的高光譜目標(biāo)探測(cè)方法,將常用于信號(hào)處理方面的盲信號(hào)處理方法引入到高光譜遙感圖像目標(biāo)探測(cè)中,利用目標(biāo)信號(hào)的AR模型作為先驗(yàn)知識(shí),把均方協(xié)預(yù)測(cè)誤差(MSCPE)的核心思想引入算法中,結(jié)合盲源提取(BSE)方法使探測(cè)結(jié)果更加精確。實(shí)驗(yàn)證明,基于盲信號(hào)處理的高光譜目標(biāo)探測(cè)算法與經(jīng)典方法相比,該方法能夠提高探測(cè)性能。最后,深入研究高光譜目標(biāo)探測(cè)方法,從背景維數(shù)入手詳細(xì)介紹全局背景維數(shù)和區(qū)域背景維數(shù)的獲取方法,并由此提出一種基于多信號(hào)提取的區(qū)域子空間背景估計(jì)方法(LBSE-AMUSE),在抑制背景能量的同時(shí),提高目標(biāo)探測(cè)效率,并且該方法減少繁雜的計(jì)算步驟,通過實(shí)驗(yàn)指了區(qū)域背景子空間估計(jì)方法(LBSE)的缺陷,并且通過實(shí)驗(yàn)也證明了LBSE-AMUSE方法探測(cè)效果更好、運(yùn)行速度更快。
【關(guān)鍵詞】：高光譜遙感影像 目標(biāo)探測(cè) 背景子空間 盲信號(hào)處理 盲源提取
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP751
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-20
• 1.1 高光譜遙感概述10-14
• 1.1.1 高光譜成像技術(shù)10-12
• 1.1.2 高光譜目標(biāo)探測(cè)技術(shù)簡(jiǎn)介12-14
• 1.2 國(guó)內(nèi)外現(xiàn)狀和發(fā)展趨勢(shì)以及難點(diǎn)14-17
• 1.2.1 國(guó)內(nèi)外研究現(xiàn)狀和發(fā)展趨勢(shì)14-16
• 1.2.2 高光譜目標(biāo)探測(cè)難點(diǎn)16-17
• 1.3 盲信號(hào)處理簡(jiǎn)述17-18
• 1.4 論文的研究?jī)?nèi)容和章節(jié)安排18-20
• 第二章 基于盲信號(hào)處理的高光譜目標(biāo)探測(cè)方法研究20-47
• 2.1 盲源分離21-24
• 2.1.1 盲源分離概述21-22
• 2.1.2 盲源分離問題描述及部分常用方法說明22-24
• 2.2 盲源提取24-27
• 2.2.1 盲源提取概述24-25
• 2.2.2 盲源提取問題描述25-26
• 2.2.3 問題解決方法及其優(yōu)勢(shì)26
• 2.2.4 盲源提取方法的分類26-27
• 2.3 高光譜圖像的盲源提取模型27-28
• 2.4 基于MSCPE的BSE高光譜目標(biāo)探測(cè)算法28-29
• 2.5 數(shù)據(jù)預(yù)處理29-30
• 2.6 閾值選擇30-31
• 2.6.1 奈曼-皮爾遜(Neyman-Pearson)準(zhǔn)則30-31
• 2.6.2 自適應(yīng)檢測(cè)閾值31
• 2.7 MSCPE-BSE算法中參數(shù)獲取方法31-32
• 2.8 實(shí)驗(yàn)分析及說明32-46
• 2.8.1 實(shí)驗(yàn)數(shù)據(jù)及算法比較33-35
• 2.8.2 模擬數(shù)據(jù)實(shí)驗(yàn)35-38
• 2.8.3 真實(shí)數(shù)據(jù)實(shí)驗(yàn)38-46
• 2.9 本章小結(jié)46-47
• 第三章 基于背景子空間的高光譜目標(biāo)探測(cè)算法研究47-66
• 3.1 全局背景子空間維數(shù)估計(jì)47-49
• 3.1.1 HFC算法48-49
• 3.1.2 NWHFC算法49
• 3.2 區(qū)域背景子空間維數(shù)估計(jì)49-53
• 3.2.1 LBSS算法49-50
• 3.2.2 LBSE算法50-53
• 3.3 基于盲信號(hào)處理的LBSE算法（LBSE-AMUSE）53-54
• 3.4 基于背景子空間的目標(biāo)探測(cè)算法54-55
• 3.5 仿真實(shí)驗(yàn)及性能分析55-65
• 3.5.1 模擬數(shù)據(jù)實(shí)驗(yàn)55-59
• 3.5.2 真實(shí)數(shù)據(jù)實(shí)驗(yàn)59-65
• 3.6 本章小結(jié)65-66
• 第四章 總結(jié)與展望66-68
• 4.1 論文總結(jié)66-67
• 4.2 研究展望67-68
• 致謝68-69
• 參考文獻(xiàn)69-74
• 攻讀碩士學(xué)位期間取得的成果74-75

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前1條

1 李杰;王剛;饒妮妮;劉廣雄;王云鶴;尹立雪;陳序;;應(yīng)用譜減法和均方協(xié)預(yù)測(cè)誤差算法提取房顫信號(hào)[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2010年06期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 徐尚志;盲信號(hào)分離算法的研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2005年

  本文關(guān)鍵詞：基于盲信號(hào)處理的高光譜目標(biāo)探測(cè)方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：327326