高光譜實時目標檢測算法研究.pdf

1、隨著成像光譜技術(shù)的發(fā)展及光譜分辨率的不斷提高，高光譜遙感圖像處理技術(shù)得到了越來越廣泛的關注。高光譜遙感圖像數(shù)據(jù)以其極其豐富的光譜信息反映出地物目標的微小差異，從而能夠發(fā)現(xiàn)很多在傳統(tǒng)單波段圖像或多光譜圖像中難以甚至無法檢測到的地物目標。在實際高光譜目標檢測中，實現(xiàn)實時檢測尤為重要，這是因為許多異常目標如運動目標，它的停留時間非常短暫，會突然出現(xiàn)并很快消失。要想實現(xiàn)這種運動目標的檢測，檢測算子必須是實時的。另一方面，隨著現(xiàn)代遙感技術(shù)的飛速發(fā)

2、展，高光譜遙感圖像在獲取更加豐富地物信息的同時，其迅速膨脹的數(shù)據(jù)量也給數(shù)據(jù)存儲、衛(wèi)星下行傳輸以及后續(xù)處理帶來了巨大壓力。實現(xiàn)實時處理可以減緩數(shù)據(jù)傳輸壓力，也就相應減少了數(shù)據(jù)壓縮下傳而導致的信息損失，減少了地面數(shù)據(jù)存儲和處理工作量，提高了圖像分類和目標檢測的效率。本文主要研究成像光譜儀在獲取數(shù)據(jù)的同時進行實時檢測方法的實現(xiàn)，以現(xiàn)代數(shù)據(jù)處理技術(shù)和高光譜異常檢測理論為基礎，在不影響檢測效果的前提下，重點關注擺掃型和框幅型成像光譜儀目標檢測算法

3、的遞歸更新和實時處理，實現(xiàn)具有因果性和時效性的高光譜圖像目標檢測技術(shù)。本文的主要研究內(nèi)容如下：
　　首先，針對現(xiàn)有的高光譜實時目標檢測算法大多為快速算法，而并不是真正的實時算子這一現(xiàn)象，提出了基于成像儀成像機理的高光譜實時檢測算子需滿足的基本條件：1)因果性。因果性是實時檢測算法的必要前提，是指算法所需要的所有信息都來自光譜儀已獲取的數(shù)據(jù)，而不需要用到后續(xù)數(shù)據(jù)信息。對于不同的成像光方式，這種因果性可以有pixel-by-pixel

4、，line-by-line和band-by-band三種情況，分別針對擺掃型、推掃型和框幅型成像光譜儀；2)時效性。在滿足因果性算子的同時，要求算法處理時間必須是非常短的。從實際應用角度來說，不同應用領域?qū)λ阕拥臅r間延遲具有不同的要求。對于戰(zhàn)場中運動目標的探測對時效性的要求是非常高的，這就要求算子運行時間必須非常短；對于農(nóng)業(yè)應用中對農(nóng)作物的監(jiān)測，幾分鐘甚至幾個小時的延時都可認為是實時的或者近似實時的；而對于生態(tài)學中對物種遷移的監(jiān)測，對實

5、時性的要求可放寬至幾天甚至幾個月。
　　其次，由于RX算子是通過測量待檢測像元與背景均值的馬氏距離來進行異常分析，需要計算采樣數(shù)據(jù)的均值及協(xié)方差矩陣，而這兩個統(tǒng)計特性都需要提供完整的高光譜數(shù)據(jù)信息，因而 RX需要得到完整的數(shù)據(jù)信息后才能進行異常探測，并不是實時算子。針對這一問題，提出一種基于像元遞歸的高光譜實時異常檢測方法。該方法借鑒卡爾曼濾波器的遞歸分析思想并利用Woodbury引理推出算子遞歸更新方程，使得算子能夠根據(jù)上一時刻

6、(上一個待檢測像元時刻)的狀態(tài)和新信息更新目前狀態(tài)，避免了重新計算歷史信息及存儲所有像元，在保證相同檢測效果和縮短運行時間的同時，大大降低了所需的存儲空間。
　　第三，針對全局檢測算法對小目標和局部異常目標檢測效果不理想這一問題，提出了具有實時特性的高光譜局部異常檢測算法。該算法引用傳統(tǒng)的局部窗概念，首先提出了具有因果特性的滑動矩陣窗(Causal Matrix Window,CMW)。由于CMW局部窗口仍然需重復進行統(tǒng)計特性(均

7、值和協(xié)方差矩陣)計算，增大算子的延遲時間，因而改進了因果窗的表現(xiàn)形式，提出了具有遞歸特性的滑動陣列窗(Causal Array Window,CAW)，從而使得局部異常檢測算子能夠?qū)崿F(xiàn)遞歸更新，滿足實時算法所需的因果性和時效性，進而實現(xiàn)基于滑動實時窗的高光譜局部實時檢測算法。
　　然后，在實時檢測過程中發(fā)現(xiàn)，背景抑制對高光譜目標檢測，尤其是異常目標檢測具有重要的影響，這是因為在實際應用中真實地物分布往往是無法得知的，在這種情況下，

8、檢測的性能往往取決于視覺效應，此時檢測結(jié)果最重要的因素不僅僅是檢測結(jié)果灰度值(強度)，還包括對比度，也就是說，背景信息與目標的對比度直接影響檢測結(jié)果的視覺效應，因此背景信息抑制是提高目標檢測算法性能的重要手段。本文通過研究目標光譜對背景統(tǒng)計估計的影響，提出了一種基于目標光譜去除的自適應背景平滑方法，并分別針對未知任何先驗信息和已知感興趣目標光譜兩種情況，提出了自適應背景平滑的RX實時異常檢測和自適應背景平滑的CEM實時目標檢測。

9、　　最后，針對所提算法都是基于擺掃型成像光譜儀逐像元成像的原理進行建模，不適用與其他成像光譜儀這一問題，研究基于框幅型成像光譜儀的實時算子。對于框幅型成像光譜儀，其成像方式不再是逐像元成像，而是逐波段獲取圖像數(shù)據(jù)，基于像元更新的實時檢測模型將不再適用。針對這一問題，提出了一種基于波段遞歸更新的高光譜目標檢測方法，分別給出了在已知感興趣目標光譜和未知目標光譜下的PBCEM和PBRXD算子，實現(xiàn)框幅型成像光譜儀在獲取數(shù)據(jù)同時可以得到當前檢測