傳統(tǒng)高光譜異常檢測(cè)算法由于背景信息估計(jì)不準(zhǔn)確等原因普遍存在高虛警率的問(wèn)題,針對(duì)這一現(xiàn)象,提出了一種利用圖像均值進(jìn)行匹配改進(jìn)的高光譜異常目標(biāo)檢測(cè)后驗(yàn)處理方法。首先采用傳統(tǒng)的高光譜異常檢測(cè)算法將待檢測(cè)高光譜圖像劃分為背景與異常目標(biāo)潛在區(qū)域,之后通過(guò)對(duì)待測(cè)圖像求解均值,將其與異常目標(biāo)潛在區(qū)域像元進(jìn)行相似性匹配計(jì)算,剔除大范圍誤檢像元,得到最終檢測(cè)結(jié)果。該方法在傳統(tǒng)異常目標(biāo)檢測(cè)算法基礎(chǔ)上進(jìn)行相似度量剔除大范圍虛警像元,在提高原算法探測(cè)能力的同時(shí)有效地降低虛警率。實(shí)驗(yàn)表明,該方法可以有效降低虛警率,提高原算法對(duì)于亞像元異常目標(biāo)的檢測(cè)能力,且對(duì)于不同算法、不同數(shù)據(jù)具有普適性。 

【文章來(lái)源】：遙感信息. 2020,35(01)北大核心CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

光譜角匹配示意圖

RXD與LPTD異常探測(cè)算法以待測(cè)圖像中像元能量值大小衡量像元是否異常，有一定的局限性，沒(méi)有充分利用異常目標(biāo)的其他性質(zhì)。本文所提方法加入異常目標(biāo)統(tǒng)計(jì)分布特征，認(rèn)為異常目標(biāo)在圖像中所占面積較小，偏離圖像整體像元的頻數(shù)分布，方法流程如圖2所示。首先采用傳統(tǒng)異常探測(cè)算法進(jìn)行預(yù)檢測(cè)，本文選用常用的全局RXD算法及LPTD算法，設(shè)定合理閾值得到異常目標(biāo)潛在區(qū)域，此時(shí)閾值設(shè)定應(yīng)盡可能地讓更多的目標(biāo)像元通過(guò)。隨后對(duì)待測(cè)圖像求解均值向量，該向量表征了待測(cè)圖像統(tǒng)計(jì)分布的中心位置，具有待測(cè)圖像的總體的平均波段特征，將其與預(yù)處理得到的異常目標(biāo)潛在區(qū)域像元做光譜相似性計(jì)算，剔除與圖像整體分布相近的像元，得到最終的異常目標(biāo)檢測(cè)結(jié)果，本文采用光譜夾角作為光譜相似性計(jì)算標(biāo)準(zhǔn)。2 實(shí)驗(yàn)與分析

實(shí)驗(yàn)圖像如圖3(a）所示，模擬異常像元位置如圖3(b）所示。該數(shù)據(jù)為PHI傳感器獲得的常州夏橋地區(qū)影像，尺寸為240像元×240像元，共80個(gè)有效波段（除去含水波段與噪聲波段）。在一些像素中加上目標(biāo)光譜，該圖像的背景主要由植被、水、土壤構(gòu)成，實(shí)驗(yàn)中選擇水泥的光譜作為目標(biāo)光譜，以100個(gè)像素添加，并將這些像素中的原始背景光譜作為背景并相應(yīng)地減少。根據(jù)目標(biāo)的豐度，將100個(gè)像素劃分為10組。第一行像素具有10%目標(biāo)和90%背景。第二行有20%目標(biāo)和80%背景。

【參考文獻(xiàn)】：
期刊論文
[1]新型高光譜圖像快速實(shí)時(shí)目標(biāo)檢測(cè)與分類方法[J]. 付立婷,鄧河,劉春紅.  光學(xué)學(xué)報(bào). 2017(02)
[2]基于多孔徑映射的高光譜異常檢測(cè)算法[J]. 李敏,朱國(guó)康,張學(xué)武,范新南,李普煌.  測(cè)繪學(xué)報(bào). 2016(10)
[3]中國(guó)高光譜遙感的前沿進(jìn)展[J]. 童慶禧,張兵,張立福.  遙感學(xué)報(bào). 2016(05)
[4]采用多項(xiàng)式遞歸核的高光譜遙感異常實(shí)時(shí)檢測(cè)算法[J]. 趙春暉,尤偉,齊濱,王佳.  光學(xué)學(xué)報(bào). 2016(02)
[5]一種基于背景自學(xué)習(xí)的高光譜圖像生物信息提取方法[J]. 張玉香,高旭楊,王挺,張樂(lè)飛,杜博.  計(jì)算機(jī)科學(xué). 2015(04)
[6]基于粒子群優(yōu)化聚類的高光譜圖像異常目標(biāo)檢測(cè)[J]. 成寶芝,趙春暉.  光電子.激光. 2013(10)
[7]顧及局域信息的核化正交子空間投影目標(biāo)探測(cè)方法[J]. 王挺,杜博,張良培.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2013(02)
[8]基于最小噪聲分離的約束能量最小化亞像元目標(biāo)探測(cè)方法[J]. 杜博,張良培,李平湘,鐘燕飛.  中國(guó)圖象圖形學(xué)報(bào). 2009(09)
[9]基于低概率檢測(cè)的高光譜圖像有損壓縮方法研究[J]. 張立燕,諶德榮,李世義,曹旭平.  彈箭與制導(dǎo)學(xué)報(bào). 2008(01)

博士論文
[1]基于高光譜遙感影像稀疏性的小目標(biāo)探測(cè)研究[D]. 張玉香.武漢大學(xué) 2016
[2]高光譜遙感圖像目標(biāo)探測(cè)與分類技術(shù)研究[D]. 耿修瑞.中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所） 2005



本文編號(hào)：3519531