隨著高光譜圖像技術(shù)的不斷發(fā)展,光譜分辨率和空間分辨率不斷提高,相比于其他遙感圖像,能夠獲得更為精細(xì)的光譜特征。這為地物的高精度分類、解混和目標(biāo)檢測等研究領(lǐng)域提供了理論平臺,其中由于高光譜異常目標(biāo)檢測技術(shù)不需要地物的先驗信息,更符合實(shí)際應(yīng)用的需求。針對現(xiàn)有的大多數(shù)高光譜異常目標(biāo)檢測算法只關(guān)注目標(biāo)和背景在光譜信息方面的差異,而忽略兩者空間信息的差異,導(dǎo)致檢測精度不高的問題,提出了一種基于空譜聯(lián)合異常度的高光譜異常目標(biāo)檢測算法。該算法不需要假設(shè)圖像的背景模型,建立在滑動雙窗口的基礎(chǔ)上,提出了光譜異常度和空間異常度兩個概念。在光譜異常度計算中,考慮了波段間的非線性特征,采用光譜角匹配的核函數(shù)方法進(jìn)行檢測,基于雙窗口模型的基礎(chǔ)上逐個計算中心像元與局部背景像元的核光譜角并設(shè)置閾值來獲得中心像元的光譜異常度;在空間異常度的計算中,由于物質(zhì)在空間方面的聚類特性,通過構(gòu)建像元點(diǎn)的空間窗模型能夠得到代表像元類別的圖像塊灰度向量,同時求解不同像元之間圖像塊灰度向量的歐式距離并設(shè)置閾值來獲得中心像元的空間異常度;最后將中心像元的光譜異常度與空間異常度進(jìn)行加和則可得到中心像元的空譜聯(lián)合異常度,基于滑動雙窗口模型...

【文章頁數(shù)】：7 頁

【部分圖文】：

圖9六種算法的ROC曲線對比

為了能夠定量的比較六種算法的檢測效能,利用ROC(receiveroperatingcharacteristiccurve)曲線和AUC(areaunderthecurve)值進(jìn)行說明比對。若ROC曲線越向左上方彎曲,AUC值越大,檢測效能越好;反之,檢測....

圖1算法的滑動雙窗口檢測模型

基于空譜聯(lián)合異常度的高光譜異常目標(biāo)檢測算法建立在滑動雙窗口的基礎(chǔ)上,中心像元為待測像元,內(nèi)外窗之間的像元為背景像元,如圖1所示。分別求解中心像元和背景像元之間的光譜差異和空間差異得到光譜異常度和空間異常度,并將兩者進(jìn)行加和得到空譜聯(lián)合異常度,從而得到檢測結(jié)果。1.1....

圖3偽彩色圖像(a)及其相應(yīng)的目標(biāo)分布(b)

本文算法是基于雙窗口模型的基礎(chǔ)上進(jìn)行檢測,利用雙窗口進(jìn)行選擇待測像元和背景像元。因此內(nèi)外窗口的尺寸大小對檢測結(jié)果具有很大的影響,如果選擇的內(nèi)外窗口使背景像元中存在異常目標(biāo)則會很大程度上影響檢測的精度。對本文中采用的三組數(shù)據(jù)進(jìn)行具體分析,可以發(fā)現(xiàn),不同數(shù)據(jù)的異常目標(biāo)的大....

圖4偽彩色圖像(A)及其相應(yīng)的目標(biāo)分布(b)

圖3偽彩色圖像(a)及其相應(yīng)的目標(biāo)分布(b)圖5偽彩色圖像(a)及其相應(yīng)的目標(biāo)分布(b)

本文編號：3896208