高光谱遥感图像异常目标检测算法研究-电气工程专业论文.docxVIP

摘要 高光谱遥感图像能够提供几十甚至数百个多而窄的连续光谱，相对多光谱图像而言， 高光谱图像不仅光谱分辨率更高，而且包含更为丰富的图像及空间信息，使得我们能够探 测出那些具有诊断性光谱特征的地表物质。异常目标检测算法不需要先验光谱信息，将与 周围环境存在差异的像素点判定为异常目标，是高光谱目标检测领域的研究热点。本论文 主要研究高光谱图像异常目标检测技术及应用，在系统分析高光谱异常检测算法理论基础 上，针对高光谱图像异常检测中所存在的数据维数较大、波段之间存在着很强的相关性和 非线性、背景信息对目标干扰、混合像元等问题进行了较为深入的研究。本文的主要研究 工作和成果可以概括如下： (1)针对高光谱数据的特点，提出了一种结合最小噪声分离(minimum noise fraction, MNF)变换的高光谱图像异常目标检测方法，采用MNF来降低数据的维数和分离噪声，以凸 显目标和背景之间差异，提高异常检测率。通过结合MNF与RX、核RX对真实的AVIRIS数 据仿真实验验证了该方法的有效性。 (2)针对高光谱图像中混合像元的大量存在，本文给出了两种结合数据空间正交基 (orthogonal bases approach,OBA)混合像元分解的高光谱异常目标检测方法，通过OBA方法来 提取背景端元，抑制背景信息的干扰，并结合MNF来提高核RX的检测性能，真实的AVIRIS 高光谱图像数据仿真实验验证了该方法的有效性。 (3)在研究了核函数性质的基础上，针对高光谱图像数据不仅具有丰富的光谱信息，而 且包含极其重要的空间信息的特点，本文给出了一种基于组合核函数的高光谱异常目标检 测方法，通过结合高光谱图像的光谱维信息和空间维结构信息可以构造不同的组合核函数， 并将其推广到核RX异常目标检测，扩大了核RX的应用领域。仿真实验表明结合空间信息的 组合核函数具有较强的鲁棒性。 关键词遥感，高光谱图像，异常目标检测，核方法，组合核函数 n  Abstract Hyperspectral imagery can provide a continuum of dozens or even hundreds of l】arrow b锄ds．it enables璐tO detect the object of diagnostic spectral signature owing to its higher spectral resolution and richer images and spatial inforrmtion than multispectral imagery．Anomaly detection algorithm does not require a priori spectral information by determining the pixels which are di‰nt from surrounding environment as anormly targets，it has been a research hotspot in the field of hyperspectral target detectiomln this thesis，hyperspectral anon-nly target detection techniques and applications ale main|y discussed．By systematically analysing the hyperspectral al的maly detection algorithm theory,the thesis focmes on problems such as extralarge data 慨nsion strong correlation and nonlinear between spectral bands，interference舶m background inforrmtion,mixed pixels in hyperspectral anomaly detection．Specifically，the rmin research can be surrrmrized as folioWS： (1) A hyperspectral anon-nly detection algorithm based on minimum noise fraction(MNF) is proposed according to the characteristics of hyperspectral data．In this algorithm,the differences between the target an