论文部分内容阅读
目标探测是遥感信息提取中的重要内容,在目标分类、军事侦察与监视、矿物填图、环境监测等众多领域发挥着重要作用。但是在遥感图像中,目标往往表现为少数像元甚至是亚像元,目标的信号容易受到复杂背景和相似地物的干扰,导致了目标探测的困难。因此,建立一种稳定、有效的目标探测方法就显得尤为重要。已有的研究表明,基于遥感图像的目标探测方法中存在的主要问题包括:(1)先验知识的不完整;(2)混合像元的存在导致探测精度不高;(3)“异物同谱”现象导致探测的误提率增高。本文选择基于二阶统计假设的目标探测和基于多元正态分布的异常探测的典型方法进行对比分析,构建了具有高精度和低虚警的目标探测方法,并使用Landsat多光谱和AVIRIS高光谱遥感影像进行了方法验证。主要研究成果和结论如下:(1)已有基于二阶统计假设和基于多元正态分布方法的分析与改进本文概述了已有的基于二阶统计假设的约束类方法(CEM、LCMV、TCIMF)和基于多元正态分布理论的局部法(RXD、DWEST、LCM)的原理。利用这两类方法,对Landsat8 OLI多光谱影像中的船只目标和AVIRIS高光谱影像中的流纹岩目标进行了提取实验。在两类方法中,分别选定了合适的探测方法LCMV和LCM,作为最终探测方法LCLCM的子方法。改进了基于多元正态分布的异常探测方法LCM,解决了该方法仅增强目标中最亮像元的问题,提高了目标探测的精度。(2)针对多光谱遥感图像中“异物同谱”问题的弱化遥感影像“异物同谱”问题的根源在于遥感图像光谱与空间分辨率的有限性,不同地物在图像中可能存在相似的光谱向量或空间特征。而一般已有的目标探测方法是提取与目标光谱向量相似的信号,或者提取与目标空间特征相似的地物,这就导致了将具有相似光谱向量或者空间特征的非目标地物提取的可能性。本文为解决这一问题,不仅考虑信号的光谱向量,还考虑目标的空间特征。故选取利用光谱相似性的线性约束类方法LCMV,和改进后的LCM,即结合光谱特征和空间特征来增强目标,从而达到弱化“异物同谱”问题的可能性。在本文方法的评价中,将各个存在“异物同谱”现象的地物进行了实验前后的局部对比,结果显示本文方法有效抑制了多光谱遥感图像中“异物同谱”的问题。(3)耦合二阶统计假设和多元正态分布的目标探测方法的构建和验证本文将对LCM方法进行了修正,并与LCMV方法相结合,构建了一个新的目标探测方法LCLCM。对Landsat 8 OLI和AVIRIS两种类型传感器的遥感影像分别做了目标探测实验,结果表明本文构建的目标探测方法可以在不同传感器下使用,具有较好的适用性。本文方法提取的实验结果与CEM、TCIMF等约束类方法相比,在一定程度上解决了相似波形的噪声的干扰,提高了提取精确度,降低了虚警率。与RXD、DWEST、LCM等局部法相比,本文方法减少了非目标信号且空间特征与目标类似的地物对探测的干扰。对比实验表明,LCLCM方法提高了图像的探测精度。在Landsat8 OLI图像中,LCLCM方法的探测正确率远高于其他方法,为95.68%,同时错提率和漏提率也大大低于其他方法。在AVIRIS图像中,LCLCM的探测正确率最高,为93.79%,同时错提率和漏提率也低于其他方法。