面向異常檢測的高光譜數(shù)據(jù)線性子空間估計.pdf

1、高光譜圖像異常檢測是一種特殊形式的目標檢測技術，它能夠在缺少先驗光譜信息的情況下，檢測與周圍環(huán)境存在光譜差異的目標，具有較強的實用性，是高光譜遙感信息處理的研究熱點之一。子空間估計是指將高光譜數(shù)據(jù)進行低維子空間表示，一方面可提高數(shù)據(jù)處理的運算效率，另一方面可減少波段相關性以及光譜混合導致的檢測性能下降的問題。然而，面向目標檢測的子空間估計方法大都沒有考慮數(shù)據(jù)中異常信號的特殊性，在估計的子空間中會遺失異常信號成分，導致異常檢測結(jié)果出現(xiàn)錯誤

2、。針對如何在有效表征背景子空間的同時保留異常信號成分的問題，在分析高光譜數(shù)據(jù)子空間估計和異常檢測原理的基礎上，對基于統(tǒng)計特性的子空間估計方法進行了深入研究和改進，提出了兩種適用于異常檢測的子空間估計方法。
　　本研究主要內(nèi)容包括：⑴分析了子空間維數(shù)對異常檢測器檢測性能以及運算效率的影響。在高光譜圖像線性混合模型基礎上，分析了基于主成分分析（PCA）的高光譜數(shù)據(jù)子空間估計的原理，針對RX和PW-LRT這兩種典型的異常檢測器，重點分析

3、了子空間估計維數(shù)對于異常檢測性能的影響，實驗結(jié)果表明高光譜過多的波段數(shù)據(jù)不僅導致檢測器計算效率下降，同時對檢測性能的有不利影響。⑵提出一種基于核概率密度估計方法的檢測器閾值確定方法。針對高光譜數(shù)據(jù)的精確統(tǒng)計描述困難，導致對于不同數(shù)據(jù)的閾值提取自適應性較差的問題，通過引入非參數(shù)概密估計的思想以確定檢測器輸出的概率分布，減少由于假定的統(tǒng)計模型誤差而導致的錯誤閾值分割結(jié)果。⑶提出一種兼顧噪聲與異常影響的m-HySime子空間估計算法。在分析最

4、小噪聲分離(MNF)與高光譜數(shù)據(jù)子空間識別（HySime）兩種處理噪聲的子空間估計方法基礎上，通過證明將它們歸納為在 F范數(shù)定義下的最小誤差投影空間估計。實驗結(jié)果表明 F范數(shù)下的最優(yōu)投影空間對異常的表征不理想，因此引入l2,?-norm下的最優(yōu)投影空間估計思想，提出一種改進的HySime算法，來實現(xiàn)保留異常信號的高維數(shù)據(jù)子空間估計，以克服子空間估計中異常信號成分丟失以及在噪聲干擾下估計準確性下降的問題；通過仿真與真實數(shù)據(jù)測試，驗證了該算