高光譜圖像異常小目標(biāo)檢測算法研究.pdf

1、高光譜圖像是新型的遙感數(shù)據(jù)，其良好的光譜診斷能力使得它非常適合對照自然背景發(fā)現(xiàn)人工目標(biāo)。其中，異常檢測算法能夠在沒有先驗光譜信息的情況下檢測到與周圍環(huán)境存在光譜差異的目標(biāo)，具有較強的實用性，成為了目標(biāo)檢測領(lǐng)域的一個研究熱點。本文在深入分析高光譜圖像數(shù)據(jù)特點的基礎(chǔ)上，針對高光譜圖像異常檢測，開展了以下幾方面的研究工作：
　　 首先，研究了一種經(jīng)典的RX算法。介紹了這種檢測算法的原理，算子的表達形式。并闡述了高光譜圖像異常檢測存在的

2、問題，根據(jù)高數(shù)據(jù)維過高的特點，給出了一種高光譜圖像降維的方法PCA主成分分析法。
　　 其次，深入研究了基于正交子空間投影的高光譜圖像異常檢測算法，分析了工作原理。進一步給出了兩種正交子空間投影的高光譜圖像異常檢測算法。一種是對已知背景進行正交投影OSP算法，該算法能夠突出目標(biāo)空間，起到壓制背景突出目標(biāo)的作用。另外一種是自動獲取端元光譜的正交子空間投影UOPS算法。
　　 然后，通過對核函數(shù)方法理論的研究，研究了一種新的

3、基于核的正交子空間投影KOSP算法。該算法利用核函數(shù)性質(zhì)有效提取圖像波段間隱含的非線性信息，文中給出了KOSP的詳細(xì)的推導(dǎo)過程和最終的算子表達式。利用高光譜圖像進行了仿真實驗，并與OSP算法的結(jié)果進行了比較，取得了較好的檢測性能。
　　 最后，在對線性混合模型進行分析的基礎(chǔ)上，對于端元提取采取了以轉(zhuǎn)動慣量為投影指標(biāo)的投影追蹤法，而對于混合矩陣分解則采用獨立成分分析的算法。使得數(shù)據(jù)之間互相獨立，較之主成分分析，取得了更好的檢測效果