基于稀疏表示的高光谱图像目标检测
发布时间：2022-01-20 13:31
高光谱图像中蕴含丰富的空间和光谱信息,在目标检测领域具有巨大的优势,这激发了高光谱图像目标检测技术研究和快速发展,采用高光谱图像进行目标检测的优势有:数据的波段数目较多,光谱特征更加丰富详细,检测、识别的能力较高,而且可以区分地物间的细微差异;可以有效提取各地物的辐射特性参量,极大地增加了对目标地物定量分析的成功率。但是也存在光谱不确定、信息冗余增加等问题。本文主要针对高光谱图像目标检测中的相关问题进行展开,论文的主要工作和成果如下:（1）介绍并分析现有的代表性遥感图像目标检测方法。根据高光谱图像的特点,介绍了高光谱图像目标检测的相关概念;主要介绍了四种遥感图像目标检测方法,对此四种方法进行阐述并进行优缺点分析。（2）介绍并分析了高光谱数据的三种模型,总结了高光谱目标检测的一般过程,并对经典的基于概率统计模型和基于子空间模型的几种算法进行了学习与比较。（3）将稀疏表示和传统目标检测算法相结合,提出基于稀疏表示系数的高光谱图像目标检测算法。假设光谱数据服从某种概率地分布在一个多维空间上,利用样本对分布中的统计量进行合理估计并进行相关分析。借助传统的基于概率表示模型的目标检测算法的架构,实...
【文章来源】：山东科技大学山东省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
Hsl目标检测技术在不同波段的应用Fig.l.ZApplicationofHSlta屯etde比clionteclmologyindifferentbands
线性光谱混合模型描述的是在不考虑物质之间对光的相互作用下，物质对??光的反射作用，此模型将反射面看成是地物成规则混合的并且是平整的，而当??成像光谱仪的分辨率较低时，通常会形成混合像元。图２．１描述了线性光谱混合??过程，ｍ丨，ｍ２和ｍ３为地面上的三种物质，ａ丨，ａ２和ａ３为三种物质所占区域的??比例，当太阳光照射在三种物质上时，物质对太阳光进行反射，并且反射光互??不干扰，由于太阳光是平行的，当太阳光被平整的面反射时会形成平行的反射??光，从而平行的进入成像光谱仪的传感器来形成一个混合像素点，混合现象发??生在传感器中，少＝＜３１＞＜？７１＋＜３２乂》７２＋〇３＼／？３是各个光谱特征的线性叠加，也被??称为混合像元的反射率。????ｒａｄｉａｎｃｅ?＾ｉｍｌ??ｓｕｎｌｉｇｈｔ?ｓｅｎｓｏｒ??ｐ?ｍｍ?ｍ?－?？?ｊｈ?ｙ?＝??Ｉ?１Ｉ?１?广??ａｉ?〇２?－Ｉ?？??０．３?Ａ（／ｚｍ）?２．５??图２．１线性光谱混合原理??Ｆｉｇ．２．１?Ｌｉｎｅａｒ?ｓｐｅｃｔｒｕｍ?ｍｉｘｉｎｇ?ｐｒｉｎｃｉｐｌｅ??线性混合模型因其简单高效的特点被广泛研宄、应用。其主要思想为像素??的光谱值为像素内包含的不同地物的光谱值在对应波段上的加权结果，是不同??地物线性综合作用的反映：??Ｍ??ｘ?＝?Ｙ．ａ－ｓ＜＋￡?式（２．１）??／＝１??其中
?高光谱目标检测理论??识的目标检测方法、基于图像分析的目标检测方法（见图２．３）。??光学遥感图像目标检测??基于模ｋ匹配￣｜?｜?基于＾识?｜?｜基于对象影像分析??”?ｖ?ｖ??＾?、?／Ｔ?－?＾?ｆ：?—■?－??刚性模板匹配?几何信息?图像分割??１可形变模板匹配?￣上下文信息＾｜?分类??ｖＬ?—?ｊ）?ｖ?－?ｙ?ｖ?—?—?ｙ??图２．３传统目标检测方法示意图??Ｆｉｇ．２．３?Ｔｒａｄｉｔｉｏｎａｌ?ｔａｒｇｅｔ?ｄｅｔｅｃｔｉｏｎ?ｍｅｔｈｏｄ??２．３．１．１基于模板匹配的目标检测方法??出现最早且思路最简单的检测技术就是基于模板匹配的目标检测方法，模??板匹配的目标检测主要思想是，首先要根据有特定外形的目标来生成模板，然??后用模板与候选区域进行匹配，最后再根据模板与相似区域的相似度来判断候??选区域是否属于目标。这类方法的流程图如图２．４所示，通常包括两个主要步骤：??（１）模板生成．？通过手工标记或者从训练集中学习的方式生成一个针对待检测??目标的模板Ｔ。（２）相似度估计：用模板Ｔ与给定图像中的候选区域进行匹配，??然后测量候选区域与模板之间的相似性，从而确定各个候选区域所属哪个的类??别。基于模板匹配的目标检测方法分为两类，分别为基于刚性模板匹配的目标??检测方法和基于可形变模板匹配的目标检测方法
【参考文献】：
期刊论文
[1]一种基于à trous小波和联合稀疏表示的遥感图像融合方法[J]. 肖新耀,许宁,尤红建. 遥感技术与应用. 2015(05)
[2]空间4-邻域稀疏表示的高光谱图像目标检测[J]. 赵春晖,李晓慧,朱海峰. 哈尔滨工程大学学报. 2013(09)
[3]基于蚁群算法和特征融合的空间目标分类[J]. 方建,曹占辉,李言俊. 电子技术应用. 2009(02)
[4]基于特征的模糊神经网络遥感图像目标分类识别[J]. 瞿继双,瞿松柏,王自杰. 遥感学报. 2009(01)
[5]基于顶点成分分析的高光谱图像低概率异常检测方法研究[J]. 张立燕,谌德荣,陶鹏. 宇航学报. 2007(05)
[6]基于不变性特征的SVM遥感图像飞机类型识别[J]. 张守娟,周诠. 现代电子技术. 2007(12)
本文编号：3598912
【文章来源】：山东科技大学山东省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
Hsl目标检测技术在不同波段的应用Fig.l.ZApplicationofHSlta屯etde比clionteclmologyindifferentbands
线性光谱混合模型描述的是在不考虑物质之间对光的相互作用下，物质对??光的反射作用，此模型将反射面看成是地物成规则混合的并且是平整的，而当??成像光谱仪的分辨率较低时，通常会形成混合像元。图２．１描述了线性光谱混合??过程，ｍ丨，ｍ２和ｍ３为地面上的三种物质，ａ丨，ａ２和ａ３为三种物质所占区域的??比例，当太阳光照射在三种物质上时，物质对太阳光进行反射，并且反射光互??不干扰，由于太阳光是平行的，当太阳光被平整的面反射时会形成平行的反射??光，从而平行的进入成像光谱仪的传感器来形成一个混合像素点，混合现象发??生在传感器中，少＝＜３１＞＜？７１＋＜３２乂》７２＋〇３＼／？３是各个光谱特征的线性叠加，也被??称为混合像元的反射率。????ｒａｄｉａｎｃｅ?＾ｉｍｌ??ｓｕｎｌｉｇｈｔ?ｓｅｎｓｏｒ??ｐ?ｍｍ?ｍ?－?？?ｊｈ?ｙ?＝??Ｉ?１Ｉ?１?广??ａｉ?〇２?－Ｉ?？??０．３?Ａ（／ｚｍ）?２．５??图２．１线性光谱混合原理??Ｆｉｇ．２．１?Ｌｉｎｅａｒ?ｓｐｅｃｔｒｕｍ?ｍｉｘｉｎｇ?ｐｒｉｎｃｉｐｌｅ??线性混合模型因其简单高效的特点被广泛研宄、应用。其主要思想为像素??的光谱值为像素内包含的不同地物的光谱值在对应波段上的加权结果，是不同??地物线性综合作用的反映：??Ｍ??ｘ?＝?Ｙ．ａ－ｓ＜＋￡?式（２．１）??／＝１??其中
?高光谱目标检测理论??识的目标检测方法、基于图像分析的目标检测方法（见图２．３）。??光学遥感图像目标检测??基于模ｋ匹配￣｜?｜?基于＾识?｜?｜基于对象影像分析??”?ｖ?ｖ??＾?、?／Ｔ?－?＾?ｆ：?—■?－??刚性模板匹配?几何信息?图像分割??１可形变模板匹配?￣上下文信息＾｜?分类??ｖＬ?—?ｊ）?ｖ?－?ｙ?ｖ?—?—?ｙ??图２．３传统目标检测方法示意图??Ｆｉｇ．２．３?Ｔｒａｄｉｔｉｏｎａｌ?ｔａｒｇｅｔ?ｄｅｔｅｃｔｉｏｎ?ｍｅｔｈｏｄ??２．３．１．１基于模板匹配的目标检测方法??出现最早且思路最简单的检测技术就是基于模板匹配的目标检测方法，模??板匹配的目标检测主要思想是，首先要根据有特定外形的目标来生成模板，然??后用模板与候选区域进行匹配，最后再根据模板与相似区域的相似度来判断候??选区域是否属于目标。这类方法的流程图如图２．４所示，通常包括两个主要步骤：??（１）模板生成．？通过手工标记或者从训练集中学习的方式生成一个针对待检测??目标的模板Ｔ。（２）相似度估计：用模板Ｔ与给定图像中的候选区域进行匹配，??然后测量候选区域与模板之间的相似性，从而确定各个候选区域所属哪个的类??别。基于模板匹配的目标检测方法分为两类，分别为基于刚性模板匹配的目标??检测方法和基于可形变模板匹配的目标检测方法
【参考文献】：
期刊论文
[1]一种基于à trous小波和联合稀疏表示的遥感图像融合方法[J]. 肖新耀,许宁,尤红建. 遥感技术与应用. 2015(05)
[2]空间4-邻域稀疏表示的高光谱图像目标检测[J]. 赵春晖,李晓慧,朱海峰. 哈尔滨工程大学学报. 2013(09)
[3]基于蚁群算法和特征融合的空间目标分类[J]. 方建,曹占辉,李言俊. 电子技术应用. 2009(02)
[4]基于特征的模糊神经网络遥感图像目标分类识别[J]. 瞿继双,瞿松柏,王自杰. 遥感学报. 2009(01)
[5]基于顶点成分分析的高光谱图像低概率异常检测方法研究[J]. 张立燕,谌德荣,陶鹏. 宇航学报. 2007(05)
[6]基于不变性特征的SVM遥感图像飞机类型识别[J]. 张守娟,周诠. 现代电子技术. 2007(12)
本文编号：3598912
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3598912.html
