高光譜圖像中蘊(yùn)含豐富的空間和光譜信息,在目標(biāo)檢測(cè)領(lǐng)域具有巨大的優(yōu)勢(shì),這激發(fā)了高光譜圖像目標(biāo)檢測(cè)技術(shù)研究和快速發(fā)展,采用高光譜圖像進(jìn)行目標(biāo)檢測(cè)的優(yōu)勢(shì)有:數(shù)據(jù)的波段數(shù)目較多,光譜特征更加豐富詳細(xì),檢測(cè)、識(shí)別的能力較高,而且可以區(qū)分地物間的細(xì)微差異;可以有效提取各地物的輻射特性參量,極大地增加了對(duì)目標(biāo)地物定量分析的成功率。但是也存在光譜不確定、信息冗余增加等問(wèn)題。本文主要針對(duì)高光譜圖像目標(biāo)檢測(cè)中的相關(guān)問(wèn)題進(jìn)行展開(kāi),論文的主要工作和成果如下:（1）介紹并分析現(xiàn)有的代表性遙感圖像目標(biāo)檢測(cè)方法。根據(jù)高光譜圖像的特點(diǎn),介紹了高光譜圖像目標(biāo)檢測(cè)的相關(guān)概念;主要介紹了四種遙感圖像目標(biāo)檢測(cè)方法,對(duì)此四種方法進(jìn)行闡述并進(jìn)行優(yōu)缺點(diǎn)分析。（2）介紹并分析了高光譜數(shù)據(jù)的三種模型,總結(jié)了高光譜目標(biāo)檢測(cè)的一般過(guò)程,并對(duì)經(jīng)典的基于概率統(tǒng)計(jì)模型和基于子空間模型的幾種算法進(jìn)行了學(xué)習(xí)與比較。（3）將稀疏表示和傳統(tǒng)目標(biāo)檢測(cè)算法相結(jié)合,提出基于稀疏表示系數(shù)的高光譜圖像目標(biāo)檢測(cè)算法。假設(shè)光譜數(shù)據(jù)服從某種概率地分布在一個(gè)多維空間上,利用樣本對(duì)分布中的統(tǒng)計(jì)量進(jìn)行合理估計(jì)并進(jìn)行相關(guān)分析。借助傳統(tǒng)的基于概率表示模型的目標(biāo)檢測(cè)算法的架構(gòu),實(shí)... 

【文章來(lái)源】：山東科技大學(xué)山東省

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Hsl目標(biāo)檢測(cè)技術(shù)在不同波段的應(yīng)用Fig.l.ZApplicationofHSlta屯etde比clionteclmologyindifferentbands

線性光譜混合模型描述的是在不考慮物質(zhì)之間對(duì)光的相互作用下，物質(zhì)對(duì)??光的反射作用，此模型將反射面看成是地物成規(guī)則混合的并且是平整的，而當(dāng)??成像光譜儀的分辨率較低時(shí)，通常會(huì)形成混合像元。圖２．１描述了線性光譜混合??過(guò)程，ｍ丨，ｍ２和ｍ３為地面上的三種物質(zhì)，ａ丨，ａ２和ａ３為三種物質(zhì)所占區(qū)域的??比例，當(dāng)太陽(yáng)光照射在三種物質(zhì)上時(shí)，物質(zhì)對(duì)太陽(yáng)光進(jìn)行反射，并且反射光互??不干擾，由于太陽(yáng)光是平行的，當(dāng)太陽(yáng)光被平整的面反射時(shí)會(huì)形成平行的反射??光，從而平行的進(jìn)入成像光譜儀的傳感器來(lái)形成一個(gè)混合像素點(diǎn)，混合現(xiàn)象發(fā)??生在傳感器中，少＝＜３１＞＜？７１＋＜３２乂》７２＋〇３＼／？３是各個(gè)光譜特征的線性疊加，也被??稱為混合像元的反射率。????ｒａｄｉａｎｃｅ?＾ｉｍｌ??ｓｕｎｌｉｇｈｔ?ｓｅｎｓｏｒ??ｐ?ｍｍ?ｍ?－?？?ｊｈ?ｙ?＝??Ｉ?１Ｉ?１?廣??ａｉ?〇２?－Ｉ?？??０．３?Ａ（／ｚｍ）?２．５??圖２．１線性光譜混合原理??Ｆｉｇ．２．１?Ｌｉｎｅａｒ?ｓｐｅｃｔｒｕｍ?ｍｉｘｉｎｇ?ｐｒｉｎｃｉｐｌｅ??線性混合模型因其簡(jiǎn)單高效的特點(diǎn)被廣泛研宄、應(yīng)用。其主要思想為像素??的光譜值為像素內(nèi)包含的不同地物的光譜值在對(duì)應(yīng)波段上的加權(quán)結(jié)果，是不同??地物線性綜合作用的反映：??Ｍ??ｘ?＝?Ｙ．ａ－ｓ＜＋￡?式（２．１）??／＝１??其中

?高光譜目標(biāo)檢測(cè)理論??識(shí)的目標(biāo)檢測(cè)方法、基于圖像分析的目標(biāo)檢測(cè)方法（見(jiàn)圖２．３）。??光學(xué)遙感圖像目標(biāo)檢測(cè)??基于模ｋ匹配￣｜?｜?基于＾識(shí)?｜?｜基于對(duì)象影像分析??”?ｖ?ｖ??＾?、?／Ｔ?－?＾?ｆ：?—■?－??剛性模板匹配?幾何信息?圖像分割??１可形變模板匹配?￣上下文信息＾｜?分類??ｖＬ?—?ｊ）?ｖ?－?ｙ?ｖ?—?—?ｙ??圖２．３傳統(tǒng)目標(biāo)檢測(cè)方法示意圖??Ｆｉｇ．２．３?Ｔｒａｄｉｔｉｏｎａｌ?ｔａｒｇｅｔ?ｄｅｔｅｃｔｉｏｎ?ｍｅｔｈｏｄ??２．３．１．１基于模板匹配的目標(biāo)檢測(cè)方法??出現(xiàn)最早且思路最簡(jiǎn)單的檢測(cè)技術(shù)就是基于模板匹配的目標(biāo)檢測(cè)方法，模??板匹配的目標(biāo)檢測(cè)主要思想是，首先要根據(jù)有特定外形的目標(biāo)來(lái)生成模板，然??后用模板與候選區(qū)域進(jìn)行匹配，最后再根據(jù)模板與相似區(qū)域的相似度來(lái)判斷候??選區(qū)域是否屬于目標(biāo)。這類方法的流程圖如圖２．４所示，通常包括兩個(gè)主要步驟：??（１）模板生成．？通過(guò)手工標(biāo)記或者從訓(xùn)練集中學(xué)習(xí)的方式生成一個(gè)針對(duì)待檢測(cè)??目標(biāo)的模板Ｔ。（２）相似度估計(jì)：用模板Ｔ與給定圖像中的候選區(qū)域進(jìn)行匹配，??然后測(cè)量候選區(qū)域與模板之間的相似性，從而確定各個(gè)候選區(qū)域所屬哪個(gè)的類??別�；谀０迤ヅ涞哪繕�(biāo)檢測(cè)方法分為兩類，分別為基于剛性模板匹配的目標(biāo)??檢測(cè)方法和基于可形變模板匹配的目標(biāo)檢測(cè)方法

【參考文獻(xiàn)】：
期刊論文
[1]一種基于à trous小波和聯(lián)合稀疏表示的遙感圖像融合方法[J]. 肖新耀,許寧,尤紅建.  遙感技術(shù)與應(yīng)用. 2015(05)
[2]空間4-鄰域稀疏表示的高光譜圖像目標(biāo)檢測(cè)[J]. 趙春暉,李曉慧,朱海峰.  哈爾濱工程大學(xué)學(xué)報(bào). 2013(09)
[3]基于蟻群算法和特征融合的空間目標(biāo)分類[J]. 方建,曹占輝,李言俊.  電子技術(shù)應(yīng)用. 2009(02)
[4]基于特征的模糊神經(jīng)網(wǎng)絡(luò)遙感圖像目標(biāo)分類識(shí)別[J]. 瞿繼雙,瞿松柏,王自杰.  遙感學(xué)報(bào). 2009(01)
[5]基于頂點(diǎn)成分分析的高光譜圖像低概率異常檢測(cè)方法研究[J]. 張立燕,諶德榮,陶鵬.  宇航學(xué)報(bào). 2007(05)
[6]基于不變性特征的SVM遙感圖像飛機(jī)類型識(shí)別[J]. 張守娟,周詮.  現(xiàn)代電子技術(shù). 2007(12)



本文編號(hào)：3598912