高光谱图像目标检测技术研究-计算机应用技术专业论文.docxVIP

摘要 I 摘要 近年来，随着光谱成像技术的快速发展，高光谱遥感技术得到了广泛的关 注。基于高光谱图像的目标检测不仅可以利用高光谱图像数据的光谱信息，也 可利用其空间信息，在目标检测领域较于空间遥感图像目标检测具有很强的优 势，在国防侦查、搜索救援等方面具有重要的应用价值。本文在深入研究高光 谱图像目标检测理论的基础上，针对异常样本对背景统计信息的干扰、复杂背 景模型构建偏差以及背景信号对亚像元目标检测的影响等问题进行深入研究， 完成的主要工作包括： 首先，对高光谱数据特性进行研究，研究了光谱信号的可变性模型。重点 研究了基于统计检测理论的高光谱图像目标检测算法的设计，分析了多元统计 信号的检测理论和估计理论。介绍了高光谱图像目标检测算法的评价方式。 其次，针对高光谱数据中异常点对背景参数估计的影响，提出了一种稳健 协方差估计??? ACE 目标检测算法。背景参数估计中常用的极大似然估计方法对 数据中的异常点比较敏感，可能受异常点影响导致背景模型存在较大偏差。本 文使用稳健 Fast-MCD 参数估计方法，从而克服异常点对背景参数估计的影响， 提升背景模型构建的准确性和稳定性。通过实验验证，相较于原有 ACE 等检测 算法，该方法的检测效果更优。 最后，针对复杂背景情况背景模型构建不准确的问题，提出了一种局部背 景模型的 ACE 亚像元目标检测算法。在统计检测算法中，背景模型构建的准确 性直接影响着亚像元目标的检测效果。ACE 目标检测算法使用单一多元正态分 布模型来描述背景分布情况，这种描述方式在背景地物分布情况比较复杂时不 能很好的描述背景的实际分布情况。本文利用背景分解来描述复杂背景，使用 多个多元正态分布模型构建背景分布模型，每个模型对应着一类地物，从而降 低背景模型的光谱可变性。此外针对亚像元目标检测中背景信号的影响，利用 最小二乘分解得到具有实际意义的目标和背景的组分信息，结合 ACE 检测算法 可以最大程度的抑制背景信号的影响。实验表明，该方法较传统 ACE 算法和局 部滑动窗口 ACE 检测算法在亚像元目标检测上具有更好的检测性能。 华侨大学硕士学位论文 II 关键字：高光谱图像 目标检测 Fast-MCD GMM 聚类 局部背景模型 Abstract  PAGE 6 Abstract Recently, with the fast development of hyperspectral imaging, hyperspectral remote sensing technology has been widespread concerned. Target detection in hyperspectral imagery can use both spectral and spatial information which contained by hyperspectral imagery. It owns incomparable advantages over the traditional space remote sensing images in target detection. Hyperspectral target detection can be utilized in diverse applications such as mine detection, defense and intelligence. On the basis of analysis of the structure and characteristic of hyperspectral image data, this paper focus on the interference of abnormal samples to background statistics, the building deviation of complex background model and the impact of background signal on sub-pixel target detection. The main work includes: Firstly, we analyze the characteristics of the hyperspectral image data. Given a short introduce to the models of spectral variability. This section focuses on the design flow of detection algorithms based on statistical detect