基于稀疏表示的高光谱图像异常检测算法及其优化研究

发布时间：2021-11-21 17:12

　　高光谱遥感作为一种探测地物信息的综合性观测技术,有着其他技术手段无法比拟的优势,而异常检测作为高光谱遥感的重要应用,一方面可以作为检测结果直接输出,另一方面也可以作为其他应用的预处理手段,因此在军事侦察、矿产探测、环境监测等方面被广泛应用。本论文主要研究高光谱图像的稀疏特性,在此基础上分析异常的稀疏特征,并探究相应的异常检测方法。论文从信号的稀疏表示理论出发,描述了信号的稀疏表示数学模型,并给出了一般的稀疏系数求解方法。然后在稀疏表示理论的基础上,探究高光谱图像的稀疏特性,给出了高光谱数据稀疏表示模型,同时分析了异常点在该稀疏表示模型基础下的相关特性。最后将单个像元的稀疏性扩展到整幅图像的低秩性,给出了高光谱图像的低秩与稀疏矩阵分解模型,并对提出的两种模型进行了比较。在上述理论分析及模型表征的基础上,重点研究高光谱图像在稀疏表示下的异常检测方法。目前利用稀疏表示进行高光谱异常检测的算法主要有两种:局部稀疏差异指数算法和稀疏得分估计算法。局部稀疏差异指数算法利用异常与背景在字典集上稀疏表示系数的分布差异进行异常检测,但其算法性能受限于窗口参数。稀疏得分估计算法通过字典集中各原子的利用率来... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

匹配追踪示意图

经过稀疏重构后，背景像元的重构光谱曲线度较高，而异常像元重构后的光谱曲线与原光谱曲线有可以通过重构误差看出，背景的重构误差较为平缓，而异伏较大。通过稀疏重构可以进一步得出结论，异常难以在稀疏表示，这一点也是稀疏表示应用于高光谱图像异常检数据与性能评估方法文中一共使用了三组实验数据对异常检测算法进行检验据为主要实验数据，下面对实验数据进行介绍。组实验数据为 San Diego 飞机场数据，由于原图数据量大，某些波段噪声较大（只保留 126 个波段），不易于异常像中 100 100 大小包含 38 个小飞机的部分，空间分辨背景较为简单，且作为异常检测目标的小飞机比较明显光谱原始图像和异常真值图。

a) 原始机场图像 b) 异常真值图图 2-11 Gulfport 机场高光谱数据组数据是 San Diego 海岸数据，由 AVIRIS 传感器于 2011空间分辨率为 7.5 米，经处理后数据大小为100 100，其原始图像及异常真值图如图 2-12 所示：a)原始海岸图像 b)异常真值图图 2-12 San Diego 海岸数据文中利用受试者工作特征曲线(Receiver Operating ChC 曲线)对算法性能进行评估。ROC 曲线能够直观地通过不同算法的检测性能。而 ROC 曲线的线下面积 AUC 值(

【参考文献】：
期刊论文
[1]迭代预测正交匹配追踪算法[J]. 刘学文,肖嵩,王玲,薛晓.  信号处理. 2017(02)
[2]联合空间预处理与谱聚类的协同稀疏高光谱异常检测[J]. 成宝芝,赵春晖,张丽丽,张健沛.  光学学报. 2017(04)
[3]基于逐行处理的高光谱实时异常目标检测[J]. 赵春晖,邓伟伟,姚淅峰.  光学学报. 2017(01)
[4]高光谱图像处理与信息提取前沿[J]. 张兵.  遥感学报. 2016(05)
[5]基于联合核协同的高光谱图像异常目标检测[J]. 张丽丽,赵春晖,成宝芝.  光电子·激光. 2015(11)
[6]字典学习稀疏表示的高光谱图像异常检测[J]. 唐意东,黄树彩,凌强,钟宇.  强激光与粒子束. 2015(11)
[7]稀疏优化算法综述[J]. 于春梅.  计算机工程与应用. 2014(11)

博士论文
[1]图像理解中的稀疏与低秩[D]. 郭鑫.北京邮电大学 2014
[2]压缩感知的稀疏重构算法研究[D]. 谢志鹏.南京航空航天大学 2012

硕士论文
[1]基于核稀疏和空间约束的高光谱目标检测方法研究[D]. 金天明.哈尔滨工业大学 2016



本文编号：3509906