聚類算法在高光譜圖像異常目標(biāo)檢測中的應(yīng)用研究.pdf

1、高光譜遙感圖像是一種含有大量豐富的光譜信息，可以反映目標(biāo)間的細(xì)微差異的新型遙感數(shù)據(jù)，它具有區(qū)分光譜差異很微小的地物的能力。異常檢測的算法由于其并不需要原始圖像的先驗信息的條件下，檢測與背景環(huán)境的光譜存在差異的異常像素目標(biāo)，故而在實際應(yīng)用中，這種算法具有重要意義，現(xiàn)已成為一個研究的熱點方向。本文以高光譜異常目標(biāo)檢測技術(shù)為研究對象，以聚類分析為方法，以改善和提高高光譜異常目標(biāo)檢測性能為目的，重點解決EM聚類算法在高光譜異常目標(biāo)檢測算法中存在

2、的問題，做了以下三方面的研究：
　　 首先，將聚類算法應(yīng)用于高光譜異常檢測領(lǐng)域?？紤]像元之間存在的空間相關(guān)性，通過EM聚類算法對處理數(shù)據(jù)，并針對初始化方式對EM算法性能影響問題，利用主成分初始化EM算法，分別采用向量量化和密度估計兩種方法對EM算法進(jìn)行初始化，算法在充分利用了圖像光譜特性的同時，更好的兼顧到高光譜圖像的空間特性，取得了較好的檢測結(jié)果。
　　 其次，針對傳統(tǒng)的經(jīng)典RX算法的檢測效果受到背景估計的影響問題，提

3、出了基于EM聚類算法平滑背景的RX算法?？紤]到聚類的性質(zhì)，在高維空間上，同一地物的像素點具有很強(qiáng)相關(guān)性及不同地物對應(yīng)像素相距較遠(yuǎn)的特點，提出了使用EM聚類的各簇中心來替代像元向量，降低了在局部模型中所混入的異常點的數(shù)據(jù)對估計背景矩陣參數(shù)的影響，從而使實際的背景分布狀態(tài)更好的被描述出來，從而達(dá)到去除噪聲干擾，平滑圖像的檢測效果，進(jìn)而提高了檢測效果。
　　 最后，在分析正交子空間投影(OSP)算法的基礎(chǔ)上，將高光譜數(shù)據(jù)投影到背景的正