基于光譜特性的高光譜圖像異常目標(biāo)檢測(cè)算法研究.pdf

1、高光譜圖像是一種新型的具有圖譜合一特性的遙感圖像,與多光譜等圖像相比,其對(duì)地表物質(zhì)間的細(xì)微差異通過(guò)連續(xù)的光譜曲線有更好的表達(dá),使得高光譜遙感圖像在地表物質(zhì)的分類、解混、目標(biāo)探測(cè)和異常檢測(cè)等方面得到廣泛應(yīng)用。在高光譜遙感圖像的諸多應(yīng)用中,異常目標(biāo)檢測(cè)是近年來(lái)的一個(gè)熱點(diǎn),因?yàn)槠洳恍枰闰?yàn)光譜信息,僅通過(guò)高光譜遙感圖像自身特性就可以把需要檢測(cè)的目標(biāo)從背景信息中提取出來(lái),具有較強(qiáng)的實(shí)用性。許多研究者針對(duì)異常目標(biāo)檢測(cè)進(jìn)行了深入研究,并提出了相應(yīng)的

2、異常檢測(cè)算法。但是,由于高光譜圖像自身存在的高數(shù)據(jù)維,嚴(yán)重的背景干擾,同物異譜,波段間非線性相關(guān)性和圖像中含有混合像元等問(wèn)題,使得現(xiàn)有的異常檢測(cè)算法在一定程度上都存在著或多或少的不足?，F(xiàn)實(shí)的需要要求研究者開(kāi)發(fā)一些新的算法解決目前異常目標(biāo)檢測(cè)存在的問(wèn)題。本文依據(jù)真實(shí)的高光譜遙感圖像,在分析其光譜分辨率特性、波段間相關(guān)性和背景模型等特性的基礎(chǔ)上,以高光譜遙感圖像的光譜特性為主線,利用高光譜降維技術(shù)、特征提取技術(shù)和非線性核機(jī)器學(xué)習(xí)等方法,提出

3、了三種有創(chuàng)新性的異常目標(biāo)檢測(cè)算法。論文主要的工作如下:
　　首先,論文對(duì)高光譜遙感圖像的成像機(jī)理進(jìn)行了簡(jiǎn)單介紹,詳細(xì)分析了高光譜遙感圖像的光譜分辨率特性、波段間相關(guān)性和背景模型等特性。并重點(diǎn)介紹了核函數(shù)涉及的相關(guān)內(nèi)容,特別是對(duì)后續(xù)研究中用的最多的高斯徑向基核函數(shù)進(jìn)行了詳細(xì)闡述。對(duì)這些光譜特性和核函數(shù)等問(wèn)題的分析,為后文的研究工作開(kāi)展打下基礎(chǔ)。
　　其次,針對(duì)高光譜圖像的高數(shù)據(jù)維、數(shù)據(jù)間的冗余性和背景噪聲干擾問(wèn)題,論文提出了利

4、用光譜維變換和空域?yàn)V波的異常檢測(cè)算法。該算法首先利用最大噪聲分量變換技術(shù)對(duì)原始高光譜圖像進(jìn)行變換,按照變換后的各波段的信噪比,設(shè)定合適的閾值,提取一定數(shù)量的波段對(duì)應(yīng)的最大噪聲分量變換矩陣,構(gòu)造正交子空間投影算子。將變換后的高光譜圖像數(shù)據(jù)投影到這個(gè)正交子空間上,得到殘差數(shù)據(jù);再利用主成分分析方法對(duì)此殘差數(shù)據(jù)進(jìn)行特征提取,使異常目標(biāo)的能量集中在前面幾個(gè)主成分中,并設(shè)定合適的閾值,確定需選擇的主成分?jǐn)?shù)目;然后,把含有豐富異常目標(biāo)信息的主成分分

5、量構(gòu)成的高光譜圖像數(shù)據(jù)集通過(guò)空域?yàn)V波器濾波,最大可能消除數(shù)據(jù)中含有的各類噪聲。最后,把濾波后的波段子集數(shù)據(jù)輸入RX異常檢測(cè)器進(jìn)行異常目標(biāo)檢測(cè)。該算法很好地解決了已有算法在處理高光譜圖像高數(shù)據(jù)維、數(shù)據(jù)間的冗余性和背景噪聲干擾等方面的不足。
　　再次,針對(duì)高光譜圖像波段間數(shù)據(jù)冗余性和背景信息干擾導(dǎo)致經(jīng)典核RX算法檢測(cè)性能不高等問(wèn)題,提出了基于四階累積量的波段子集非線性異常檢測(cè)算法。該算法先依據(jù)高光譜圖像波段具有分塊相關(guān)性的特點(diǎn),計(jì)算相

6、鄰波段的相關(guān)系數(shù),將原始圖像劃分為維數(shù)不同的波段子空間;然后,利用主成分分析構(gòu)造的正交子空間對(duì)各波段子集進(jìn)行背景抑制,得到圖像誤差數(shù)據(jù);在此基礎(chǔ)上,再次利用主成分分析提取各波段子集的特征信息,使異常目標(biāo)信息集中于前面幾個(gè)波段;最后,利用高光譜數(shù)據(jù)含有異常目標(biāo)時(shí)背景呈現(xiàn)奇異性不符合高斯分布的特性,提取各子集主成分中含有最大四階累積量值的波段,構(gòu)成最優(yōu)波段子集,并與核RX算法結(jié)合進(jìn)行異常檢測(cè)。該算法充分利用了高光譜圖像的光譜特性,克服了高光

7、譜圖像的高維性、波段間的冗余性和背景信息干擾對(duì)經(jīng)典核RX算法的影響。
　　最后,針對(duì)含有混合像元情況的異常目標(biāo)檢測(cè)問(wèn)題,提出了一種新的結(jié)合光譜解混技術(shù)的支持向量數(shù)據(jù)描述的高光譜圖像異常檢測(cè)算法。該算法將光譜解混技術(shù)引入到異常檢測(cè)問(wèn)題中,利用新的約束非負(fù)矩陣分解的解混算法實(shí)現(xiàn)高光譜圖像復(fù)雜背景信息和目標(biāo)信息的分離,使解混后的誤差數(shù)據(jù)含有豐富的目標(biāo)信息,抑制了背景干擾信息;然后將解混誤差數(shù)據(jù)利用非線性的支持向量數(shù)據(jù)描述方法映射到高維特