高光譜圖像自動(dòng)目標(biāo)檢測(cè)技術(shù)研究.pdf

1、高光譜成像可同時(shí)觀測(cè)空譜信息，這使得高光譜圖像目標(biāo)檢測(cè)技術(shù)在解決目標(biāo)檢測(cè)問(wèn)題時(shí)顯示出獨(dú)特優(yōu)勢(shì)，已成為自動(dòng)目標(biāo)識(shí)別領(lǐng)域的一個(gè)前沿研究方向。本文著眼于如何精確描述高光譜圖像數(shù)據(jù)的統(tǒng)計(jì)特性；如何結(jié)合利用空間信息提高檢測(cè)效果；如何抑制背景和噪聲信號(hào)同時(shí)保留或增強(qiáng)目標(biāo)信號(hào)；如何挖掘高光譜圖像數(shù)據(jù)中除空譜信息之外的其余隱含信息等方面，對(duì)高光譜圖像目標(biāo)檢測(cè)技術(shù)進(jìn)行了研究，主要貢獻(xiàn)如下： 1．利用最大熵定理和目標(biāo)的空間低概率性，將高光譜圖像異常

2、目標(biāo)檢測(cè)問(wèn)題中的似然比檢驗(yàn)簡(jiǎn)化為對(duì)背景似然的單似然檢驗(yàn)。對(duì)于空間低概率目標(biāo)，其樣本難以約束目標(biāo)總體的矩特征。因此，在最大熵條件下求取目標(biāo)總體統(tǒng)計(jì)特性，將高光譜圖像目標(biāo)檢測(cè)問(wèn)題簡(jiǎn)化為對(duì)背景似然進(jìn)行檢驗(yàn)的單似然檢驗(yàn)。 2．使用樣本多模無(wú)參估計(jì)模型和單似然檢驗(yàn)構(gòu)造了一種高光譜圖像異常目標(biāo)檢測(cè)算法。由于異常目標(biāo)的空間低概率性，將全部高光譜圖像數(shù)據(jù)均視為來(lái)自于背景總體，利用樣本多模無(wú)參估計(jì)模型獲取背景的概率密度特性，再結(jié)合單似然檢驗(yàn)構(gòu)造出

3、檢測(cè)器。實(shí)驗(yàn)結(jié)果表明該檢測(cè)器可有效檢測(cè)出高光譜圖像中的異常目標(biāo)。 3．針對(duì)高光譜圖像亞象素目標(biāo)檢測(cè)問(wèn)題，構(gòu)造了一種結(jié)合子空間投影和似然比檢驗(yàn)的特征層融合兩步匹配檢測(cè)器。該檢測(cè)算法在檢測(cè)過(guò)程中綜合利用了子空間投影檢測(cè)方法和似然比檢驗(yàn)二者的優(yōu)點(diǎn)以提高檢測(cè)性能。仿真實(shí)驗(yàn)結(jié)果表明該檢測(cè)器可有效檢測(cè)出高光譜圖像中的亞象素目標(biāo)。 4．利用多元隨機(jī)變量二次型統(tǒng)計(jì)量的高階矩構(gòu)造判據(jù)求取高光譜圖像的自適應(yīng)結(jié)構(gòu)化背景，在殘余數(shù)據(jù)服從空間白化

4、高斯隨機(jī)過(guò)程的條件下，利用目標(biāo)空間形狀信息構(gòu)造目標(biāo)空間形狀子空間，并將二維目標(biāo)空間形狀信息映射為高維的光譜維特征進(jìn)行匹配，構(gòu)造出形譜一體化檢測(cè)器。仿真實(shí)驗(yàn)結(jié)果表明該檢測(cè)算法可有效檢測(cè)出高光譜圖像中多個(gè)具有不同形狀和光譜特征的目標(biāo)。 5．構(gòu)造了一種檢測(cè)變換值概率密度估計(jì)曲線(xiàn)與目標(biāo)檢測(cè)變換值桿圖的合成圖用以評(píng)價(jià)高光譜圖像小目標(biāo)檢測(cè)器。 6．檢測(cè)高光譜圖像中的大目標(biāo)時(shí)，為利用高光譜圖像的空間尺度維信息，定義高光譜圖像高維多尺度