基于數據源優(yōu)化的高光譜圖像異常檢測算法研究.pdf

1、高光譜遙感圖像憑借其較高的光譜分辨率，具有區(qū)分微小光譜差異地物的能力，且不需要任何先驗光譜信息，因而具有較強的實用性，現已成為目標檢測領域中的一個研究熱點，受到國內外學者的高度重視。本文在深入分析高光譜圖像數據結構及特點的基礎上，運用現代信號處理技術，針對高光譜圖像異常檢測中的高數據維、波段間非線性相關性、混合像元中背景信息對異常檢測的干擾等問題，做了以下三方面的研究：
　　 首先，在研究高光譜圖像數據降維技術的基礎上，針對異常

2、目標的分布特點，提出了基于選擇性分段主成分分析的高光譜圖像異常檢測算法。該算法根據高光譜圖像波段之間的分塊相關性，在自適應子空間分解技術得到的各波段子集上分別采用主成分分析算法，去除波段之間的相關性，繼而根據衡量存在異常目標可能性大小的局部平均奇異度統(tǒng)計量選取合適的主成分作為后續(xù)非線性KRX異常檢測的數據源。該算法不僅極大地減少了高光譜圖像的數據量，而且能夠有效地保留圖像的異常目標信息。
　　 其次，在分析線性混合模型理論的基礎

3、上，提出了一種基于背景誤差累積的高光譜圖像異常檢測算法。該算法在各波段子集上采用主成分分析算法提取主要能量信息作為背景子空間，通過將圖像正交投影到背景子空間，得到抑制背景突顯目標的背景誤差數據，用于后續(xù)KRX異常檢測。該算法抑制了背景信息對目標檢測的干擾，而且有效地利用了高光譜圖像的非線性信息，取得了較好的檢測效果。
　　 最后，針對KRX算法中因異常點混入背景數據而造成背景核矩陣退化的問題，本文提出了基于目標正交子空間投影加權