论文部分内容阅读
遥感科学与技术的发展,对高光谱图像光谱分辨率的提高起到重要作用,高光谱图像的光谱分辨率的提高成为了其在目标检测领域应用的优势。根据目标的先验光谱信息能否获得,目标检测可以分为“有监督型”和“无监督型”两种类型。异常目标检测属“无监督型”目标检测的范围,不需要提供目标的光谱信息。一般来说,地球表面物质的光谱采集较为困难,因此异常检测在实际应用中更为广泛。目前,高光谱图像异常检测出现的难点在于:如何避免讨论背景数据的分布,如何有效地结合高光谱图像的空谱信息,由高光谱图像中存在低空间分辨率和较高的光谱分辨率导致混合像元现象存在以及成像过程中产生的同物异谱现象对异常目标检测的影响等都是待解决的问题。因此快捷、高效的异常检测方法是本文研究的重点所在。本文在分析国内外研究现状的基础上,对高光谱图像的数据特性和如何有效的结合图像的空谱信息进行了深入研究,本文主要研究工作和成果如下:首先,本文简要介绍了高光谱图像的成像机理,详细描述了高光谱图像的数据特征,重点阐述了高光谱图像异常检测的经典检测方法以及异常检测中存在的问题。并且说明用于高光谱图像异常检测实验的图像数据以及性能评估方法和评价指标,为后文的工作打下坚实的基础。其次,由于高光谱图像中背景数据的分布非常复杂,经典检测方法中将背景分布的假设理想化导致检测率较低和虚警率较高的问题,提出了基于低秩稀疏分解与相关性协同约束的高光谱图像异常检测方法。首先通过张量分解与自更新稀疏表示实现高光谱图像的低秩稀疏分解,从而抑制背景部分与噪声部分。然后通过空间相关性约束与地物相关性约束结合实现对包含异常部分的异常检测。该方法很好的避免了对背景数据分布的讨论,在最大程度上实现对背景和噪声部分的抑制,增强了异常目标。最后,针对图像的空间分辨率较低,光谱分辨率较高导致的混合像元现象以及成像过程中产生的同物异谱现象影响了对小目标及亚像元目标的异常检测,因此面向小目标和亚像元目标等这一类目标的异常检测,研究基于超分辨处理的高光谱图像异常检测方法。由同物异谱现象考虑了光谱变化性,引入基于拓展线性混合模型的解混方法,得到了较高精度的解混分量图。然后通过超分辨处理实现图像空间分辨率的提高,最后通过LRX与地物相关性的结合,进行异常检测。该方法很好的解决了高光谱图像存在的空间分辨率较低的问题,克服了混合像元和同物异谱现象对小目标和亚像元目标检测时造成的干扰,抑制了背景并突出异常目标达到最佳的检测效果和提高了检测的精度。