高光譜遙感作為一種探測(cè)地物信息的綜合性觀(guān)測(cè)技術(shù),有著其他技術(shù)手段無(wú)法比擬的優(yōu)勢(shì),而異常檢測(cè)作為高光譜遙感的重要應(yīng)用,一方面可以作為檢測(cè)結(jié)果直接輸出,另一方面也可以作為其他應(yīng)用的預(yù)處理手段,因此在軍事偵察、礦產(chǎn)探測(cè)、環(huán)境監(jiān)測(cè)等方面被廣泛應(yīng)用。本論文主要研究高光譜圖像的稀疏特性,在此基礎(chǔ)上分析異常的稀疏特征,并探究相應(yīng)的異常檢測(cè)方法。論文從信號(hào)的稀疏表示理論出發(fā),描述了信號(hào)的稀疏表示數(shù)學(xué)模型,并給出了一般的稀疏系數(shù)求解方法。然后在稀疏表示理論的基礎(chǔ)上,探究高光譜圖像的稀疏特性,給出了高光譜數(shù)據(jù)稀疏表示模型,同時(shí)分析了異常點(diǎn)在該稀疏表示模型基礎(chǔ)下的相關(guān)特性。最后將單個(gè)像元的稀疏性擴(kuò)展到整幅圖像的低秩性,給出了高光譜圖像的低秩與稀疏矩陣分解模型,并對(duì)提出的兩種模型進(jìn)行了比較。在上述理論分析及模型表征的基礎(chǔ)上,重點(diǎn)研究高光譜圖像在稀疏表示下的異常檢測(cè)方法。目前利用稀疏表示進(jìn)行高光譜異常檢測(cè)的算法主要有兩種:局部稀疏差異指數(shù)算法和稀疏得分估計(jì)算法。局部稀疏差異指數(shù)算法利用異常與背景在字典集上稀疏表示系數(shù)的分布差異進(jìn)行異常檢測(cè),但其算法性能受限于窗口參數(shù)。稀疏得分估計(jì)算法通過(guò)字典集中各原子的利用率來(lái)... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

匹配追蹤示意圖

經(jīng)過(guò)稀疏重構(gòu)后，背景像元的重構(gòu)光譜曲線(xiàn)度較高，而異常像元重構(gòu)后的光譜曲線(xiàn)與原光譜曲線(xiàn)有可以通過(guò)重構(gòu)誤差看出，背景的重構(gòu)誤差較為平緩，而異伏較大。通過(guò)稀疏重構(gòu)可以進(jìn)一步得出結(jié)論，異常難以在稀疏表示，這一點(diǎn)也是稀疏表示應(yīng)用于高光譜圖像異常檢數(shù)據(jù)與性能評(píng)估方法文中一共使用了三組實(shí)驗(yàn)數(shù)據(jù)對(duì)異常檢測(cè)算法進(jìn)行檢驗(yàn)據(jù)為主要實(shí)驗(yàn)數(shù)據(jù)，下面對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行介紹。組實(shí)驗(yàn)數(shù)據(jù)為 San Diego 飛機(jī)場(chǎng)數(shù)據(jù)，由于原圖數(shù)據(jù)量大，某些波段噪聲較大（只保留 126 個(gè)波段），不易于異常像中 100 100 大小包含 38 個(gè)小飛機(jī)的部分，空間分辨背景較為簡(jiǎn)單，且作為異常檢測(cè)目標(biāo)的小飛機(jī)比較明顯光譜原始圖像和異常真值圖。

a) 原始機(jī)場(chǎng)圖像 b) 異常真值圖圖 2-11 Gulfport 機(jī)場(chǎng)高光譜數(shù)據(jù)組數(shù)據(jù)是 San Diego 海岸數(shù)據(jù)，由 AVIRIS 傳感器于 2011空間分辨率為 7.5 米，經(jīng)處理后數(shù)據(jù)大小為100 100，其原始圖像及異常真值圖如圖 2-12 所示：a)原始海岸圖像 b)異常真值圖圖 2-12 San Diego 海岸數(shù)據(jù)文中利用受試者工作特征曲線(xiàn)(Receiver Operating ChC 曲線(xiàn))對(duì)算法性能進(jìn)行評(píng)估。ROC 曲線(xiàn)能夠直觀(guān)地通過(guò)不同算法的檢測(cè)性能。而 ROC 曲線(xiàn)的線(xiàn)下面積 AUC 值(

【參考文獻(xiàn)】：
期刊論文
[1]迭代預(yù)測(cè)正交匹配追蹤算法[J]. 劉學(xué)文,肖嵩,王玲,薛曉.  信號(hào)處理. 2017(02)
[2]聯(lián)合空間預(yù)處理與譜聚類(lèi)的協(xié)同稀疏高光譜異常檢測(cè)[J]. 成寶芝,趙春暉,張麗麗,張健沛.  光學(xué)學(xué)報(bào). 2017(04)
[3]基于逐行處理的高光譜實(shí)時(shí)異常目標(biāo)檢測(cè)[J]. 趙春暉,鄧偉偉,姚淅峰.  光學(xué)學(xué)報(bào). 2017(01)
[4]高光譜圖像處理與信息提取前沿[J]. 張兵.  遙感學(xué)報(bào). 2016(05)
[5]基于聯(lián)合核協(xié)同的高光譜圖像異常目標(biāo)檢測(cè)[J]. 張麗麗,趙春暉,成寶芝.  光電子·激光. 2015(11)
[6]字典學(xué)習(xí)稀疏表示的高光譜圖像異常檢測(cè)[J]. 唐意東,黃樹(shù)彩,凌強(qiáng),鐘宇.  強(qiáng)激光與粒子束. 2015(11)
[7]稀疏優(yōu)化算法綜述[J]. 于春梅.  計(jì)算機(jī)工程與應(yīng)用. 2014(11)

博士論文
[1]圖像理解中的稀疏與低秩[D]. 郭鑫.北京郵電大學(xué) 2014
[2]壓縮感知的稀疏重構(gòu)算法研究[D]. 謝志鵬.南京航空航天大學(xué) 2012

碩士論文
[1]基于核稀疏和空間約束的高光譜目標(biāo)檢測(cè)方法研究[D]. 金天明.哈爾濱工業(yè)大學(xué) 2016



本文編號(hào)：3509906