過去三十年來,隨著航空航天技術和成像光譜儀技術的飛速發(fā)展,基于高光譜遙感的對地觀測方式引起了人們越來越多的關注。相比于傳統(tǒng)的遙感影像,高光譜影像的最大特點是能夠同時獲取地物的空間和光譜信息,這為我們準確、定量地分析地物特性提供了支撐。異常檢測是高光譜遙感領域的重要研究課題之一,它能夠在沒有任何先驗知識的條件下尋找出和周圍背景具有光譜差異的感興趣目標。然而,場景中復雜的背景成分,存在的亞像元異常以及較小面積的背景區(qū)域等都會對許多現(xiàn)有異常檢測算法的性能表現(xiàn)造成一定的影響。為了克服或緩解以上所提到的這些問題,本論文從光譜差異和空間分布特征兩個方面同時考慮,設計了兩種新的異常檢測算法和一種新的算法性能提升策略,從一定程度上推動了高光譜異常檢測領域的向前發(fā)展。論文的主要成果包括:1)提出了一種基于背景估計和自適應加權稀疏表示的高光譜異常檢測算法。該算法的基本思路是基于一個背景過完備字典,圖像中的背景像元光譜可以被較好地重構出來,而異常像元光譜則無法完成近似重構,然后我們根據(jù)重構誤差就可以區(qū)分背景和異常。為了準確構建背景字典,算法中使用了一種結合端元提取方法和結構元素遍歷的新策略。而為了進一步增加...

【文章頁數(shù)】：92 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題背景和研究意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 高光譜技術發(fā)展狀況
        1.2.2 高光譜異常檢測發(fā)展狀況
    1.3 論文的主要工作及結構安排
        1.3.1 論文的主要工作
        1.3.2 論文的結構安排
第二章 基于背景估計和自適應加權稀疏表示的高光譜異常檢測
    2.1 引言
    2.2 相關方法回顧
        2.2.1 SMACC端元提取模型
        2.2.2 高光譜像元稀疏表示模型
    2.3 算法原理及實現(xiàn)
        2.3.1 背景字典構建
        2.3.2 自適應加權稀疏表示
        2.3.3 算法基本框架
    2.4 實驗結果及分析
        2.4.1 數(shù)據(jù)集描述
        2.4.2 算法檢測性能
        2.4.3 參數(shù)分析
    2.5 本章小結
第三章 結合低秩-稀疏矩陣分解和聚類加權的高光譜異常檢測
    3.1 引言
    3.2 LRaSMD相關算法原理
        3.2.1 RPCA
        3.2.2 GoDec
    3.3 結合LRaSMD和聚類加權的異常檢測
    3.4 實驗結果及分析
        3.4.1 數(shù)據(jù)集描述
        3.4.2 檢測性能評估
        3.4.3 參數(shù)敏感性分析
    3.5 本章小結
第四章 基于張量分解和聚類加權的高光譜異常檢測性能提升策略
    4.1 引言
    4.2 張量分解理論背景
    4.3 本章策略的原理與實現(xiàn)
        4.3.1 權重矩陣估計
        4.3.2 聯(lián)合權重矩陣和異常檢測器
    4.4 實驗結果及分析
        4.4.1 檢測性能
        4.4.2 參數(shù)分析
    4.5 本章小結
第五章 總結與展望
    5.1 論文主要工作總結
    5.2 未來工作展望
致謝
參考文獻
作者在學期間取得的學術成果
作者在學期間參加的學科競賽
作者在學期間參加的科研項目



本文編號：3740602