高光譜圖像處理若干關(guān)鍵技術(shù)研究.pdf

1、高光譜圖像提供了探測對象豐富的空間信息和光譜信息，已被廣泛應(yīng)用于軍事和民用領(lǐng)域。為了充分利用其優(yōu)勢，研究有效的且適于高光譜圖像特性的分析和處理方法具有重要的理論意義和實(shí)用價(jià)值。本文在現(xiàn)有成果的基礎(chǔ)上研究了高光譜圖像的壓縮、去噪、融合、目標(biāo)檢測及分類技術(shù)，主要工作如下：
　　首先，討論了一種基于三維整數(shù)小波變換和小波支持向量回歸的高光譜圖像壓縮方法。對于高光譜圖像三維整數(shù)小波變換后的高頻子帶，利用小波支持向量回歸學(xué)習(xí)其小波系數(shù)之間的

2、相關(guān)性，并以支持向量來稀疏表示小波系數(shù)，達(dá)到壓縮高頻小波系數(shù)的目的。實(shí)驗(yàn)結(jié)果表明，該方法對小波系數(shù)進(jìn)行了有效處理，在獲得低比特率的同時(shí)，也保證了壓縮圖像的質(zhì)量。
　　其次，給出了一種基于NSCT和KPCA的高光譜圖像去噪方法。利用NSCT對高光譜各波段圖像進(jìn)行分解，所得系數(shù)采用KPCA處理，依據(jù)各類噪聲的特性，選取合適的主成分實(shí)現(xiàn)KPCA重構(gòu)。實(shí)驗(yàn)結(jié)果表明，該方法抑制了高光譜圖像中的噪聲干擾，也較完整地保留了原始數(shù)據(jù)的有效信息。<

3、br>　　隨后，研究了一種基于NSCT和區(qū)域分割的多光譜圖像和全色圖像融合方法。該方法不僅對NSCT分解得到的低頻和高頻系數(shù)采用了不同的融合規(guī)則，位于圖像平滑區(qū)域和邊緣區(qū)域的高頻系數(shù)融合規(guī)則也不一樣。區(qū)域分割在全色圖像中進(jìn)行，通過粒子群優(yōu)化算法實(shí)現(xiàn)。實(shí)驗(yàn)證明了在主觀及客觀標(biāo)準(zhǔn)評價(jià)上該方法均優(yōu)于其它相關(guān)方法。
　　接著，介紹了一種基于混沌粒子群優(yōu)化投影尋蹤的高光譜圖像目標(biāo)檢測方法。依據(jù)對異常分布敏感的偏度和峰度設(shè)計(jì)投影指標(biāo)，并采用混

4、沌粒子群優(yōu)化算法搜索最佳投影方向?；煦缌Ｗ尤簝?yōu)化算法加快了投影尋蹤過程，并可得到更精確的最佳投影方向。大量實(shí)驗(yàn)表明，該方法能夠更有效地檢測出高光譜圖像中的目標(biāo)，且所需運(yùn)行時(shí)間大為減少。
　　最后，提出了一種基于經(jīng)驗(yàn)?zāi)B(tài)分解和相關(guān)向量機(jī)的高光譜圖像分類方法。針對高光譜數(shù)據(jù)的冗余問題，分別利用自適應(yīng)波段選擇方法和經(jīng)驗(yàn)?zāi)B(tài)分解實(shí)現(xiàn)對高光譜數(shù)據(jù)冗余信息的處理及特征提取。之后采用相關(guān)向量機(jī)分類算法對處理后的高光譜數(shù)據(jù)進(jìn)行分類。該方法在提高高