空间约束联合表示高光谱图像目标检测

发布时间：2020-07-07 12:29

【摘要】：高光谱遥感作为一种电磁波成像处理技术,能够以狭窄而连续的波段实现对地物的精细观测,地物的光谱特征,是不同化学成分物质所具有的固有特性,利用光谱信息可以有效的对材料进行识别和区分,这就为高光谱目标检测提供了条件。高光谱图像目标检测具有很高的研究价值,在环境监测、海上搜救、边境检测、矿产资源定位等众多领域都具有实际应用意义。由于目标尺寸和高光谱传感器分辨率等因素限制,感兴趣目标在高光谱图像上往往处于亚像元级或弱信息状态,这就使得传统的基于空间形态的目标检测算法无法实现对这类目标的检测,而高光谱遥感目标检测主要是通过目标和其他地物背景的光谱差异进行的,因此发展适用于高光谱图像的目标检测技术就显得尤为重要。本文着眼于高光谱数据“图谱合一”的特性,研究如何在稀疏表示的框架下有效联合高光谱图像光谱信息和空间信息,以实现高光谱图像目标检测。论文首先分析了高光谱图像的稀疏性,回顾了高光谱图像目标检测的稀疏表示模型和求解方法。再结合高光谱数据“图谱合一”的特性,研究联合空间信息的高光谱图像稀疏表示目标检测算法。提出了一种借用多任务学习思想的邻域联合稀疏表示模型,并根据光谱相似性对联合任务进行筛选,避免将地物边界处不相似的检测任务进行错误的联合,针对逐像元检测过程中,相似性判断重复计算的问题,提出了一种基于二元假设的预计算方法,有效避免了光谱特征相似性的重复计算。另外对比分析协作表示算法,研究其理论基础,明确了协作表示理论和双边滤波思想之间的相似性,借用双边滤波将高光谱图像空间维和光谱维信息联合作为Tikhonov正则项对协作表示模型进行约束。在二元假设下,采用正则项约束的协作表示代替邻域联合多任务稀疏表示对背景像元模型化,得出了一种充分利用“图谱合一”特性的空间约束联合稀疏表示和协作表示的高光谱图像目标检测算法。论文利用仿真数据和真实高光谱遥感数据,对上述改进过程的每一步进行有效性检测,实验结果与理论分析基本一致,空间约束的联合稀疏表示和协作表示高光谱图像目标检测算法在实验所用的所有数据集上都取得了较好的检测结果,AUC值均达到了95%以上,可以在较低虚警率下实现100%的检测率。
【学位授予单位】：中国科学院大学(中国科学院上海技术物理研究所)
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP751
【图文】：

球壳,维数,超球体,高维空间

图 2.2 球壳对球的体积比与维数的关系Figure 2.2 The relationship between volume ratio and dimension从图 2.2 可以看出，维数 d 越高，球壳与球的体积比越接近 1，在 3 维空内，球壳所占的体积仅为 27%，随着维数的增加，当维数 d=22 时，球壳的体就占到球体积的 90.15%，当维数 d 增加到 44 时，体积比为 99.03%，即球壳的积基本等同于球的体积。这说明高维空间的超球体其体积大部分集中在球壳的置，其内部空间是高度稀疏的，高维空间存在空空间的现象。从数据分布的角考虑，对于标准正态分布，一维情况下，区间[-1,1]内包含了接近 70%的点，而当维数达到 10 时，在以原点为球心的单位超球体内只含有 0.02%的数据[64]。外对于高维数据而言，随着其维度的增加，在其分布的超平面空间内所包含的据量也会急剧增多，例如 1 维空间长度为 10 的数据空间，当其扩展到 100 维时其超平面空间所包含的数据量就变为了10100量级，而信号的采集能力往往是

光谱曲线,光谱曲线,背景,目标

图 2.5 目标及部分背景的光谱曲线Figure 2.5 Target and background spectral profile（a）仿真数据背景（b）混合目标真实位置图 2.6 仿真数据背景假彩图及目标像元真实位置re 2.6 Background false color map and ground truth for simulati实数据来自于机载的 HYDICE 数据。该高光谱图像的

ROC曲线,仿真数据,ROC曲线,算法

图 3.10 六种算法对仿真数据的 ROC 曲线Figure 3.10 ROC curves of six algorithms for simulated data3.4.2 HYDICE 数据目视结果和 ROC 曲线分析六种算法对 HYDICE 数据的目视结果如图 3.11 所示，结果特点大致和仿真数据相一致，可以看出对于这组数据，CEM 检测效果相对稳定多了，STD 算法仍然对背景像元存在较高的误判断；相较于 STD，BSTD 对背景的检测结果有所改善，但是由于只是单纯的考虑了光谱维信息，所以检测结果仍然存在不少散乱分布的错判断像元。由于这组数据中的目标像元的尺寸很小，所以不加约束的二元假设空间邻域多任务联合法对目标像元的平滑程度不大，反而对 BSTD 中离散分布的错误判断的背景像元的抑制效果很好，单从这组数据的结果上看，BMSTD 和SBMSTD 的检测精度基本一致。

【相似文献】