高光譜遙感數(shù)據(jù)圖譜合一的特點(diǎn)使其作為一個(gè)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(cè)算法多年來一直是人們關(guān)注的熱點(diǎn)。然而無論是圖像處理中主流的基于空間信息的檢測(cè)算法還是源自傳統(tǒng)信號(hào)理論的基于光譜信息的檢測(cè)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(shí)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(cè)算法的發(fā)展。因此,基于不同程度的先驗(yàn)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(cè)算法具有重要的現(xiàn)實(shí)意義和應(yīng)用價(jià)值,本文以此為出發(fā)點(diǎn)展開如下研究。針對(duì)缺少目標(biāo)及背景先驗(yàn)信息情況下的高光譜異常目標(biāo)檢測(cè),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(cè)的非負(fù)稀疏得分估計(jì)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(shí)現(xiàn)異常檢測(cè)并利用基于條件隨機(jī)場(chǎng)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(duì)檢測(cè)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(cè)性能。針對(duì)有少量目標(biāo)先驗(yàn)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(jí)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(cè)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(cè)實(shí)驗(yàn)測(cè)試數(shù)據(jù)2.4.2實(shí)驗(yàn)結(jié)果及分析在本實(shí)驗(yàn)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(jì)異常檢測(cè)算法(SSEAD)[41]以及非負(fù)稀疏得分估計(jì)異常檢測(cè)算法(NNSSEAD)[45]作為本文方法(NNSSEAD+SF)的對(duì)比，異常目標(biāo)檢測(cè)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(cè)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(chǎng)異常目標(biāo)檢測(cè)概率圖(a)RX(b)LSD(c)SSEAD(d)NNSSEAD(e)NNSSEAD+SF圖2-4SanDiego機(jī)場(chǎng)異常目標(biāo)檢測(cè)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(chǎng)異常目標(biāo)檢測(cè)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(cè)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(cè)實(shí)驗(yàn)測(cè)試數(shù)據(jù)2.4.2實(shí)驗(yàn)結(jié)果及分析在本實(shí)驗(yàn)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(jì)異常檢測(cè)算法(SSEAD)[41]以及非負(fù)稀疏得分估計(jì)異常檢測(cè)算法(NNSSEAD)[45]作為本文方法(NNSSEAD+SF)的對(duì)比，異常目標(biāo)檢測(cè)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(cè)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(chǎng)異常目標(biāo)檢測(cè)概率圖(a)RX(b)LSD(c)SSEAD(d)NNSSEAD(e)NNSSEAD+SF圖2-4SanDiego機(jī)場(chǎng)異常目標(biāo)檢測(cè)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(chǎng)異常目標(biāo)檢測(cè)結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]高光譜異常目標(biāo)檢測(cè)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(cè)[J]. 李湘眷,張峰,李宇,趙越,趙川源.  國外電子測(cè)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(jì)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(bào). 2018(07)
[5]改進(jìn)協(xié)同表示的高光譜圖像異常檢測(cè)算法[J]. 劉萬軍,武小杰,曲海成,王鳳.  計(jì)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(cè)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(bào)(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(bào). 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(cè)[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(cè)[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(cè)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(bào)(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(cè)與目標(biāo)識(shí)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(cè)[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(cè)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(cè)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(cè)方法研究[D]. 侯力.成都理工大學(xué) 2016



本文編號(hào)：3461007