聚類算法在高光譜圖像異常目標檢測中的應用研究.pdf

1、高光譜遙感圖像是一種含有大量豐富的光譜信息，可以反映目標間的細微差異的新型遙感數(shù)據(jù)，它具有區(qū)分光譜差異很微小的地物的能力。異常檢測的算法由于其并不需要原始圖像的先驗信息的條件下，檢測與背景環(huán)境的光譜存在差異的異常像素目標，故而在實際應用中，這種算法具有重要意義，現(xiàn)已成為一個研究的熱點方向。本文以高光譜異常目標檢測技術為研究對象，以聚類分析為方法，以改善和提高高光譜異常目標檢測性能為目的，重點解決EM聚類算法在高光譜異常目標檢測算法中存在

2、的問題，做了以下三方面的研究：
　　 首先，將聚類算法應用于高光譜異常檢測領域。考慮像元之間存在的空間相關性，通過EM聚類算法對處理數(shù)據(jù)，并針對初始化方式對EM算法性能影響問題，利用主成分初始化EM算法，分別采用向量量化和密度估計兩種方法對EM算法進行初始化，算法在充分利用了圖像光譜特性的同時，更好的兼顧到高光譜圖像的空間特性，取得了較好的檢測結果。
　　 其次，針對傳統(tǒng)的經(jīng)典RX算法的檢測效果受到背景估計的影響問題，提

3、出了基于EM聚類算法平滑背景的RX算法?？紤]到聚類的性質，在高維空間上，同一地物的像素點具有很強相關性及不同地物對應像素相距較遠的特點，提出了使用EM聚類的各簇中心來替代像元向量，降低了在局部模型中所混入的異常點的數(shù)據(jù)對估計背景矩陣參數(shù)的影響，從而使實際的背景分布狀態(tài)更好的被描述出來，從而達到去除噪聲干擾，平滑圖像的檢測效果，進而提高了檢測效果。
　　 最后，在分析正交子空間投影(OSP)算法的基礎上，將高光譜數(shù)據(jù)投影到背景的正