联合空间与光谱信息的高光谱图像异常目标检测方法研究

摘要

高光谱图像是新型的遥感数据，它能够提供连续的几十甚至数百个波段的光谱信息。相对于多光谱图像而言，高光谱图像不仅具有极高的光谱分辨率，而且包含了地物的空间信息。由于不同地物的光谱信息是截然不同的，因此借助高光谱图像能够检测出那些具有与众不同光谱特征的地物。其中异常目标检测是高光谱图像目标检测领域的一个重要研究方向。
　　异常目标检测不需要事先知道目标的光谱信息，而是根据待检测的像元与其邻域像元集的光谱特性是否存在显著差异来判定该像元是属于异常目标还是背景。目前高光谱图像异常目标检测面临许多挑战，如何解决高光谱图像数据量庞大，谱间信息相似性高造成的数据冗余，如何有效的将图像的空间信息和光谱信息进行有效结合等都是亟待解决的问题。因此研究快捷、高效的高光谱异常目标检测算法是目前研究人员的主要目标。本文结合国内外的研究现状，针对高光谱图像中异常目标的分布特性以及图像所蕴含的丰富的空间信息和光谱信息进行结合等问题进行深入研究，提出了两种高光谱图像异常目标检测算法。
　　本文的主要研究工作和成果可以概括如下：
　　（1）提出了一种基于属性滤波和边缘保持滤波的异常检测算法，充分利用背景和异常目标在高光谱图像中的分布特性，确定异常目标的潜在位置，借助布尔图作为罚函数，进一步去除背景信息的干扰。凭借具有实时效果的边缘保持滤波器，克服传统像素级检测方法未有效利用像素间空间联系而造成的检测效率低的问题。实验结果表明，与其他应用广泛的异常检测算法相比，该方法的异常检测效果更好，运算速度较快。
　　（2）提出了一种基于形状自适应的联合稀疏表示异常检测算法，利用形状自适应算法对高光谱图像的空间信息进行探索，找到每个待检测像元的局部邻域，进而为构成背景字典的像元选取提供范围。通过联合稀疏模型去除异常目标对待检测像元对应背景字典构造的干扰，进而最大限度的分离异常目标和背景。实验结果表明，该方法能够更完整地表达和利用图像所包含的丰富信息，在与其他算法的检测结果进行比较时，具有更优的检测结果。

目录

声明

第1章 绪论

1.1 课题研究背景及意义

1.2 高光谱遥感图像

1.3 高光谱遥感图像异常检测现状

1.4 论文研究内容与章节安排

第2章 高光谱图像异常目标检测

2.1 高光谱图像异常目标检测概述

2.2 高光谱图像异常目标检测存在的问题

2.3 主成分分析法

2.4 实验结果及分析

2.5 本章小结

第3章 基于属性滤波和边缘保持滤波的高光谱异常目标检测算法

3.1 属性滤波

3.2 边缘保持滤波

3.3 基于属性滤波和边缘保持滤波的高光谱异常目标检测算法

3.4 实验及结果分析

3.5 本章小结

第4章 基于形状自适应的联合稀疏表示高光谱图像异常目标检测算法

4.1 形状自适应算法

4.2 稀疏表示

4.3 联合稀疏表示的异常检测算法

4.4 基于形状自适应的联合稀疏表示高光谱图像异常检测

4.5 实验结果和分析

4.6 本章小结

第5章 总结和展望

5.1 本文总结

5.2 展望

参考文献

致谢

附录A 发表论文和参加科研情况说明