【摘要】：高光譜圖像包含了豐富的光譜信息,使得對(duì)于地物信息的深度挖掘成為可能,特別是在提取人工目標(biāo)方面具有巨大的優(yōu)勢(shì)和潛力。隨著高光譜遙感技術(shù)的不斷發(fā)展,高光譜圖像的數(shù)據(jù)量持續(xù)增大,同時(shí)災(zāi)害應(yīng)急和國(guó)防領(lǐng)域等相關(guān)應(yīng)用對(duì)于獲取信息的時(shí)效性的要求也越來(lái)越高,傳統(tǒng)的星上數(shù)據(jù)獲取后下傳再處理的模式已經(jīng)不能滿足需求,需要發(fā)展在軌的高光譜圖像目標(biāo)提取實(shí)時(shí)處理技術(shù)。本文從高光譜圖像端元提取以及高光譜圖像目標(biāo)探測(cè)兩個(gè)方面,以FPGA作為算法運(yùn)行的硬件平臺(tái),針對(duì)高光譜圖像實(shí)時(shí)目標(biāo)提取若干關(guān)鍵技術(shù)開(kāi)展研究,主要研究?jī)?nèi)容及成果如下:1、基于最大單形體體積的高光譜圖像實(shí)時(shí)端元提取方法。在高光譜圖像處理中,影響地面目標(biāo)提取與識(shí)別的一個(gè)重要問(wèn)題就是混合像元問(wèn)題,而端元提取技術(shù)就是從混合像元中提取主要的地物成分,獲取真實(shí)的地物信息�；诟呔S光譜空間中像元組成的單形體體積進(jìn)行端元提取是一種非常經(jīng)典的方法,并且已提出了很多成熟的算法,但是這些算法的邏輯復(fù)雜度較高,且需要數(shù)據(jù)降維。本文針對(duì)這兩個(gè)缺陷,提出了一種實(shí)時(shí)最大單形體體積端元提取算法(RT-MSVA),利用了一種新的單形體體積計(jì)算公式以及單形體增長(zhǎng)理論,無(wú)需數(shù)據(jù)降維,避免了細(xì)節(jié)信息的損失,且算法具有穩(wěn)定性。為了滿足實(shí)時(shí)處理要求,文中對(duì)算法中一些關(guān)鍵步驟進(jìn)行了優(yōu)化,利用Woodbury公式對(duì)矩陣行列式進(jìn)行迭代求解,減小了算法的計(jì)算量,并且利用Virtex-7系列FPGA完成了RT-MSVA的算法實(shí)現(xiàn),相比于軟件處理實(shí)現(xiàn)了約200倍的加速,滿足實(shí)時(shí)處理要求。2、基于非監(jiān)督背景自動(dòng)提取的高光譜圖像實(shí)時(shí)目標(biāo)探測(cè)方法。目標(biāo)探測(cè)算法的目的是突出目標(biāo)、抑制背景。如果目標(biāo)和背景的光譜均已知,那么就可以有針對(duì)性地進(jìn)行探測(cè)器設(shè)計(jì),避免背景以及與目標(biāo)光譜較為接近的干擾物的影響。但是在多數(shù)情況下,在探測(cè)之前僅有欲探測(cè)的目標(biāo)的光譜,而并沒(méi)有背景相關(guān)先驗(yàn)知識(shí)。本文利用端元信息的完備性,提出了一種基于非監(jiān)督背景自動(dòng)提取的目標(biāo)探測(cè)方法(UBETD)。UBETD提出了一種從高光譜圖像中自動(dòng)獲取背景光譜的方法,將已知目標(biāo)、未知背景的問(wèn)題轉(zhuǎn)化為已知目標(biāo)、已知背景的問(wèn)題。UBETD方法具有普適性,任何端元提取算法均適用于進(jìn)行背景提取。本文中選取了RT-MSVA算法進(jìn)行背景提取,在得到目標(biāo)及背景光譜后利用TCIMF算法進(jìn)行目標(biāo)探測(cè)。在對(duì)算法中計(jì)算量集中的步驟進(jìn)行了優(yōu)化之后,利用Virtex-7系列FPGA完成了實(shí)時(shí)處理版本RT-UBETD的算法實(shí)現(xiàn),并對(duì)其進(jìn)行了實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)證明,該方法可以有效地提高目標(biāo)探測(cè)的性能,對(duì)豐度較低的目標(biāo)有更好的探測(cè)能力,并且虛警較少。3、基于FPGA的高光譜圖像實(shí)時(shí)目標(biāo)提取關(guān)鍵技術(shù)比較研究。高光譜圖像目標(biāo)提取算法之間有一些共性的關(guān)鍵問(wèn)題,將這些關(guān)鍵步驟的具體實(shí)現(xiàn)方法進(jìn)行總結(jié),并分析各自在不同應(yīng)用場(chǎng)景下的優(yōu)勢(shì)與缺陷,將對(duì)提升高光譜圖像實(shí)時(shí)處理系統(tǒng)的性能帶來(lái)巨大的幫助。在高光譜圖像目標(biāo)提取實(shí)時(shí)化過(guò)程中,對(duì)目標(biāo)探測(cè)的性能及處理效率影響最大的有兩個(gè)關(guān)鍵步驟:一個(gè)是背景統(tǒng)計(jì)方法,另一個(gè)則是對(duì)背景統(tǒng)計(jì)中得到的自相關(guān)矩陣進(jìn)行求逆。本文對(duì)這兩個(gè)關(guān)鍵問(wèn)題進(jìn)行了總結(jié)與分析。其中,面向?qū)崟r(shí)目標(biāo)提取的背景統(tǒng)計(jì)方法包括全局背景統(tǒng)計(jì)、空間采樣背景統(tǒng)計(jì)、局部背景統(tǒng)計(jì)以及流水背景統(tǒng)計(jì)。不同的背景統(tǒng)計(jì)方法計(jì)算量大不相同,而且由于背景信息的完備程度不同,對(duì)最終目標(biāo)探測(cè)結(jié)果也會(huì)產(chǎn)生影響。針對(duì)FPGA平臺(tái)特性的逆矩陣計(jì)算方法包括LU分解方法、Sherman-Morrison公式法以及實(shí)對(duì)稱矩陣子塊增長(zhǎng)求逆算法。本文對(duì)這些方法的目標(biāo)探測(cè)性能以及處理效率進(jìn)行了理論分析以及實(shí)驗(yàn)驗(yàn)證,以處理效率最優(yōu)為原則,為每一種背景統(tǒng)計(jì)方法匹配了最佳的矩陣求逆方法,并且最終針對(duì)不同的應(yīng)用場(chǎng)景及需求,給出了實(shí)時(shí)處理實(shí)現(xiàn)過(guò)程中方法選擇的相關(guān)建議。4、基于FPGA的多功能高光譜圖像目標(biāo)提取實(shí)時(shí)處理系統(tǒng)設(shè)計(jì)。一個(gè)完整的實(shí)時(shí)處理系統(tǒng)除了可以在限定時(shí)間內(nèi)完成處理任務(wù)之外,還需要具有靈活、易于控制等特點(diǎn),并且盡量覆蓋多種不同的應(yīng)用場(chǎng)景。本文以搭載了Virtex-7系列FPGA的VC709評(píng)估板為硬件平臺(tái),在RT-MSVA以及RT-UBETD算法實(shí)現(xiàn)的基礎(chǔ)上,將各處理模塊按照具體功能進(jìn)行了拆解與重組,設(shè)計(jì)了多功能高光譜圖像目標(biāo)提取實(shí)時(shí)處理系統(tǒng)。該系統(tǒng)利用統(tǒng)一的控制信號(hào)對(duì)系統(tǒng)的工作情況進(jìn)行操控,可以根據(jù)不同的需求以及先驗(yàn)知識(shí)情況,實(shí)現(xiàn)端元提取、單獨(dú)的目標(biāo)探測(cè)、非監(jiān)督背景自動(dòng)提取目標(biāo)探測(cè)、多目標(biāo)探測(cè)等多種功能。多功能高光譜圖像目標(biāo)提取實(shí)時(shí)處理系統(tǒng)的設(shè)計(jì),對(duì)于高光譜圖像實(shí)時(shí)目標(biāo)提取技術(shù)的實(shí)際應(yīng)用具有參考價(jià)值。
【學(xué)位授予單位】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：P237
【圖文】：

Fractals模擬圖像假彩色顯示

圖 1.5 構(gòu)成第一幅 Fractals 模擬圖像的地物光譜（2）目標(biāo)探測(cè)模擬圖像圖 1.6 所示的是用于證明目標(biāo)探測(cè)算法有效性而專門(mén)構(gòu)建的模擬圖像。意義在于從理論上證明算法的可行性，因此背景設(shè)置為均勻背景。該圖S 光譜庫(kù)中 5 種地物光譜組成，分別為 fir tree、blackbrush、blue spruces 以及 annite。所有的光譜曲線被重采樣為 189 波段，其中 blackbrush 與 f

高光譜圖像實(shí)時(shí)目標(biāo)提取關(guān)鍵技術(shù)研究的光譜曲線較為接近，因此設(shè)定 blackbrush 為目標(biāo)，fir tree 為干擾項(xiàng)，其余為背景地物。模擬圖像以一個(gè)相對(duì)極端的方式進(jìn)行構(gòu)建，即圖像中存在作為背景的 4種地物的純像元，同時(shí)背景均勻分布并存在大量干擾。該圖像包含50 50個(gè)像元，背景由 10%的 annite、10%的 dry grass、20%的 blue spruce 以及 60%的 fir tree 組成。在坐標(biāo)為(10，5)，(10，10)，…，(10，45) 的點(diǎn)處插入了 9 個(gè)目標(biāo)，目標(biāo)豐度分別為 5%、10%、20%、30%、40%、50%、60%、80%和 100%。最后，6 個(gè)特殊的干擾點(diǎn)被插入到(30，10)，…， (30，30)處，其中 4 個(gè)為背景地物純像元，另外兩個(gè)分別包括 90%和 80%的 fir tree。目標(biāo)及干擾點(diǎn)的分布如圖 1.5 所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 趙寶瑋;相里斌;呂群波;張桂峰;曾曉茹;郭文記;;FPGA和多DSP系統(tǒng)的并行RX探測(cè)算法[J];西安電子科技大學(xué)學(xué)報(bào);2014年03期

2 吳灝;肖吉陽(yáng);范紅旗;付強(qiáng);;TMS320C6678多核DSP的核間通信方法[J];電子技術(shù)應(yīng)用;2012年09期

3 張兵;;智能遙感衛(wèi)星系統(tǒng)[J];遙感學(xué)報(bào);2011年03期

4 張曄;邵濤;嚴(yán)萌;;基于DSP和FPGA的高光譜圖像處理系統(tǒng)設(shè)計(jì)[J];光電技術(shù)應(yīng)用;2010年01期

本文編號(hào)：2789335