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

  更多相關(guān)文章： 高光譜圖像 卡方分布 目標(biāo)檢測 目標(biāo)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(hào)可以描述和區(qū)分不同地物的物理和化學(xué)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(yīng)用到各個(gè)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(biāo)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(fù)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(diǎn)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(biāo)檢測是關(guān)注特定的信號(hào),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(duì)象,會(huì)受到極不相關(guān)因素的不利影響。所以,針對(duì)不同的數(shù)據(jù)分析任務(wù),應(yīng)該設(shè)計(jì)有效的預(yù)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(duì)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(diǎn),假設(shè)光譜像元的模符合高斯分布,則其能量符合卡方分布。對(duì)整張圖像中的所有像元能量進(jìn)行統(tǒng)計(jì),將卡方分布中的上側(cè)分位點(diǎn)函數(shù)值作為閾值對(duì)圖像數(shù)據(jù)進(jìn)行劃分,概率小于閾值的像元子集更多地對(duì)應(yīng)于異常和噪聲,而概率大于閾值的像元子集則對(duì)應(yīng)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(diǎn),分別根據(jù)任務(wù)需要,選擇數(shù)據(jù)處理的對(duì)象,作為不同高光譜數(shù)據(jù)分析任務(wù)的一個(gè)有效預(yù)處理步驟。(2)對(duì)于大于卡方上側(cè)分位點(diǎn)的函數(shù)值得到的數(shù)據(jù)子集S1,進(jìn)行小目標(biāo)檢測,利用UFCLS提取目標(biāo)特性元后,用CEM的算法將數(shù)據(jù)子集作為目標(biāo)檢測的背景信息進(jìn)行壓制,并提升目標(biāo)信號(hào),以提高目標(biāo)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(duì)象的方案,針對(duì)時(shí)間、檢測率、虛警率、正確率、錯(cuò)分漏分等評(píng)價(jià)指標(biāo)進(jìn)行比較。(3)對(duì)于小于卡方上側(cè)分位點(diǎn)的函數(shù)值得到的數(shù)據(jù)子集S2,進(jìn)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(jìn)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(biāo),如SAM、ED等方法進(jìn)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(jìn)行比較。在模擬數(shù)據(jù)和真實(shí)數(shù)據(jù)上實(shí)驗(yàn)結(jié)果表明,利用卡方數(shù)據(jù)分布統(tǒng)計(jì)之后的數(shù)據(jù)子集進(jìn)行目標(biāo)檢測和分類,其效果都好于整張圖像數(shù)據(jù)的情況,驗(yàn)證了所提方案的有效性。
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

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

，

本文編號(hào)：1323167