高光譜遙感數(shù)據(jù)圖譜合一的特點使其作為一個圖像立方體包含了遠(yuǎn)比全色或多光譜圖像更為豐富的地物信息,有著巨大的開發(fā)潛力,其中高光譜遙感圖像的目標(biāo)檢測算法多年來一直是人們關(guān)注的熱點。然而無論是圖像處理中主流的基于空間信息的檢測算法還是源自傳統(tǒng)信號理論的基于光譜信息的檢測算法都只利用了高光譜數(shù)據(jù)中很小一部分的信息,大量的有用信息沒有被挖掘,同時高光譜遙感領(lǐng)域中標(biāo)記樣本的缺乏問題也制約了諸如深度學(xué)習(xí)等新興熱門算法的應(yīng)用,阻礙了目標(biāo)檢測算法的發(fā)展。因此,基于不同程度的先驗信息條件,探索和開發(fā)與之適應(yīng)的充分結(jié)合空譜信息的高光譜目標(biāo)檢測算法具有重要的現(xiàn)實意義和應(yīng)用價值,本文以此為出發(fā)點展開如下研究。針對缺少目標(biāo)及背景先驗信息情況下的高光譜異常目標(biāo)檢測,論文首先研究了高光譜圖像的稀疏表示模型及其稀疏系數(shù)求解問題,采用了一種異常像元無監(jiān)督檢測的非負(fù)稀疏得分估計算法,結(jié)合異常目標(biāo)光譜維的稀疏特性和稀疏字典的原子利用率實現(xiàn)異常檢測并利用基于條件隨機(jī)場的空間濾波進(jìn)行后處理,充分利用像素鄰域內(nèi)的初始標(biāo)簽及光譜相似性對檢測結(jié)果進(jìn)一步細(xì)化,通過光譜與空間信息的耦合,提升了算法的檢測性能。針對有少量目標(biāo)先驗光譜樣本條件... 

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

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

異常目標(biāo)檢

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-18-圖像中的飛機(jī)為待檢測的異常目標(biāo)。(a)SanDiego(b)SanDiego真值圖(c)Gulfport(d)Gulfport真值圖圖2-2異常目標(biāo)檢測實驗測試數(shù)據(jù)2.4.2實驗結(jié)果及分析在本實驗中，分別采用RX算法、局部稀疏差異指數(shù)算法(LSD)[44]、稀疏得分估計異常檢測算法(SSEAD)[41]以及非負(fù)稀疏得分估計異常檢測算法(NNSSEAD)[45]作為本文方法(NNSSEAD+SF)的對比，異常目標(biāo)檢測概率圖分別如圖2-3、圖2-4所示，其中在0.5%的虛警概率下檢測結(jié)果如圖2-5、圖2-6所示。(a)RX(b)LSD(c)SSEAD(d)NNSSEAD(e)NNSSEAD+SF圖2-3Gulfport機(jī)場異常目標(biāo)檢測概率圖(a)RX(b)LSD(c)SSEAD(d)NNSSEAD(e)NNSSEAD+SF圖2-4SanDiego機(jī)場異常目標(biāo)檢測概率圖(a)RX(b)LSD(c)SSEAD(d)NNSSEAD(e)NNSSEAD+SF圖2-50.5%虛警概率下Gulfport機(jī)場異常目標(biāo)檢測結(jié)果

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-18-圖像中的飛機(jī)為待檢測的異常目標(biāo)。(a)SanDiego(b)SanDiego真值圖(c)Gulfport(d)Gulfport真值圖圖2-2異常目標(biāo)檢測實驗測試數(shù)據(jù)2.4.2實驗結(jié)果及分析在本實驗中，分別采用RX算法、局部稀疏差異指數(shù)算法(LSD)[44]、稀疏得分估計異常檢測算法(SSEAD)[41]以及非負(fù)稀疏得分估計異常檢測算法(NNSSEAD)[45]作為本文方法(NNSSEAD+SF)的對比，異常目標(biāo)檢測概率圖分別如圖2-3、圖2-4所示，其中在0.5%的虛警概率下檢測結(jié)果如圖2-5、圖2-6所示。(a)RX(b)LSD(c)SSEAD(d)NNSSEAD(e)NNSSEAD+SF圖2-3Gulfport機(jī)場異常目標(biāo)檢測概率圖(a)RX(b)LSD(c)SSEAD(d)NNSSEAD(e)NNSSEAD+SF圖2-4SanDiego機(jī)場異常目標(biāo)檢測概率圖(a)RX(b)LSD(c)SSEAD(d)NNSSEAD(e)NNSSEAD+SF圖2-50.5%虛警概率下Gulfport機(jī)場異常目標(biāo)檢測結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]高光譜異常目標(biāo)檢測算法研究進(jìn)展[J]. 張炎,華文深,嚴(yán)陽,崔子浩,索文凱.  激光雜志. 2019(07)
[2]基于波段選擇和空-譜組合核函數(shù)的高光譜圖像目標(biāo)檢測[J]. 李湘眷,張峰,李宇,趙越,趙川源.  國外電子測量技術(shù). 2019(05)
[3]基于偽標(biāo)簽深度學(xué)習(xí)的高光譜影像半監(jiān)督分類[J]. 劉麗麗,周紹光,趙嬋娟,丁倩.  計算機(jī)工程與應(yīng)用. 2019(17)
[4]小樣本高光譜遙感圖像深度學(xué)習(xí)方法[J]. 石祥濱,鐘健,劉翠微,劉芳,張德園.  系統(tǒng)仿真學(xué)報. 2018(07)
[5]改進(jìn)協(xié)同表示的高光譜圖像異常檢測算法[J]. 劉萬軍,武小杰,曲海成,王鳳.  計算機(jī)應(yīng)用研究. 2018(12)
[6]一種結(jié)合CEM的高光譜遙感影像目標(biāo)檢測算法[J]. 楊磊,蘇令華,吳寶剛,王寶海,栗鐵樁.  重慶理工大學(xué)學(xué)報(自然科學(xué)). 2017(12)
[7]高光譜遙感影像分類研究進(jìn)展[J]. 杜培軍,夏俊士,薛朝輝,譚琨,蘇紅軍,鮑蕊.  遙感學(xué)報. 2016(02)
[8]基于聯(lián)合核協(xié)同的高光譜圖像異常目標(biāo)檢測[J]. 張麗麗,趙春暉,成寶芝.  光電子·激光. 2015(11)
[9]高光譜圖像自適應(yīng)核聯(lián)合表示異常檢測[J]. 唐意東,黃樹彩,凌強(qiáng),鐘宇.  強(qiáng)激光與粒子束. 2015(09)
[10]一種改進(jìn)的高光譜遙感影像ACE目標(biāo)檢測算法[J]. 何元磊,王靜荔,賈俊波,陳勇,馬超,高正明.  山東科技大學(xué)學(xué)報(自然科學(xué)版). 2015(03)

博士論文
[1]組合空間和光譜特性的高光譜圖像異常檢測與目標(biāo)識別方法研究[D]. 張星.國防科學(xué)技術(shù)大學(xué) 2016

碩士論文
[1]基于深度學(xué)習(xí)的高光譜圖像目標(biāo)檢測[D]. 趙世智.北京化工大學(xué) 2019
[2]基于稀疏表示的高光譜圖像異常檢測算法及其優(yōu)化研究[D]. 孫邱鵬.哈爾濱工業(yè)大學(xué) 2018
[3]基于核稀疏和空間約束的高光譜目標(biāo)檢測方法研究[D]. 金天明.哈爾濱工業(yè)大學(xué) 2016
[4]高光譜遙感圖像目標(biāo)探測方法研究[D]. 侯力.成都理工大學(xué) 2016



本文編號：3461007