本文關(guān)鍵詞：基于卡方分布的高光譜圖像目標檢測和分類　出處：《大連海事大學》2017年碩士論文　論文類型：學位論文

  更多相關(guān)文章： 高光譜圖像 卡方分布 目標檢測 目標分類

【摘要】：高光譜圖像中包含了空間和光譜維度的信息,且連續(xù)的光譜維信號可以描述和區(qū)分不同地物的物理和化學特性,已經(jīng)成為一種重要的遙感監(jiān)測手段。隨著相關(guān)軟硬件技術(shù)的發(fā)展,高光譜技術(shù)正逐漸應用到各個領(lǐng)域中,如軍事、醫(yī)療等,涉及的技術(shù)主要包括異常檢測、目標檢測、分類、解混等。但是,在高光譜數(shù)據(jù)中,由于成像環(huán)境復雜、成像范圍廣、空間分辨率低等因素,普遍存在著大面積混合背景以及噪聲,包括高斯噪聲和突發(fā)性噪聲等。不同的分析技術(shù)重點關(guān)注的是高光譜圖像中的不同屬性的地物內(nèi)容,如異常檢測和目標檢測是關(guān)注特定的信號,分類則更多地關(guān)注大面積地物。如果始終以整張圖像中的所有數(shù)據(jù)作為研究對象,會受到極不相關(guān)因素的不利影響。所以,針對不同的數(shù)據(jù)分析任務,應該設計有效的預處理方式,限定分析方法的數(shù)據(jù)處理子集,從而提高方法的分析能力。針對以上問題,本文做了如下的研究工作:(1)分析高光譜圖像的特點,假設光譜像元的模符合高斯分布,則其能量符合卡方分布。對整張圖像中的所有像元能量進行統(tǒng)計,將卡方分布中的上側(cè)分位點函數(shù)值作為閾值對圖像數(shù)據(jù)進行劃分,概率小于閾值的像元子集更多地對應于異常和噪聲,而概率大于閾值的像元子集則對應于大面積地物類別總和。利用閾值內(nèi)外圖像數(shù)據(jù)的特點,分別根據(jù)任務需要,選擇數(shù)據(jù)處理的對象,作為不同高光譜數(shù)據(jù)分析任務的一個有效預處理步驟。(2)對于大于卡方上側(cè)分位點的函數(shù)值得到的數(shù)據(jù)子集S1,進行小目標檢測,利用UFCLS提取目標特性元后,用CEM的算法將數(shù)據(jù)子集作為目標檢測的背景信息進行壓制,并提升目標信號,以提高目標檢測的性能。將該方案與采用整張圖像數(shù)據(jù)作為分析對象的方案,針對時間、檢測率、虛警率、正確率、錯分漏分等評價指標進行比較。(3)對于小于卡方上側(cè)分位點的函數(shù)值得到的數(shù)據(jù)子集S2,進行非監(jiān)督高光譜分類研究。首先用VD確定S2中的類別數(shù)量,進而用ATGP算法非監(jiān)督提取類別代表性像元,最后采用不同的光譜相似性指標,如SAM、ED等方法進行分類。將該方案與傳統(tǒng)的基于全部圖像數(shù)據(jù)的分析方案進行比較。在模擬數(shù)據(jù)和真實數(shù)據(jù)上實驗結(jié)果表明,利用卡方數(shù)據(jù)分布統(tǒng)計之后的數(shù)據(jù)子集進行目標檢測和分類,其效果都好于整張圖像數(shù)據(jù)的情況,驗證了所提方案的有效性。
【學位授予單位】：大連海事大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP751

【相似文獻】

相關(guān)碩士學位論文 前1條

1 周凡;基于卡方分布的高光譜圖像目標檢測和分類[D];大連海事大學;2017年

，

本文編號：1323167