核稀疏法在高光谱图像目标检测中的应用研究

发布时间：2022-11-01 17:34

　　高光谱遥感是一种通过对地物进行精细观测以获取信息的手段,是遥感发展史上最具标志性的成果,高光谱图像的目标检测是现阶段的一个研究热点。在民用领域,高光谱目标检测在农作物监测、环境减灾、考古、资源勘探等方面有着广泛的应用;在军事领域,高光谱目标检测在目标反伪装、目标侦察、地雷探测等方面也有众多非常成功的应用。本文主要从高光谱数据的特点出发,在利用波段选择实现降维的基础上,结合核方法和稀疏表示理论,实现高光谱图像的目标检测。论文首先介绍了与高光谱目标检测有关的基本理论。总结了高光谱数据的基本特征;阐述了对高光谱图像进行数据降维的重要作用,研究基于波段选择和基于特征提取两类降维方法;介绍了高光谱图像目标检测的基本理论,总结了高光谱目标检测的经典算法;同时,介绍了稀疏表示的相关理论,给出了信号稀疏表示的数学模型,并对稀疏表示的两个重要问题:字典训练和求解稀疏表示系数,给出了经典的解决方法。然后,针对高光谱数据冗余度高、数据量大的问题,对高光谱数据进行降维处理。分析并改进人工鱼群算法和蚁群算法,将其相融合得到一种混合的群智能波段选择算法,从原始所有波段中选出起主要作用的波段子集,波段子集具有较强的... 

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题的研究背景及意义
    1.2 国内外研究现状
        1.2.1 高光谱遥感技术研究现状
        1.2.2 高光谱图像目标检测研究现状
    1.3 本文主要研究内容
    1.4 本文章节安排
第2章 高光谱目标检测的相关理论
    2.1 高光谱图像数据
        2.1.1 高光谱数据的描述形式
        2.1.2 高光谱数据特征
    2.2 高光谱图像降维
        2.2.1 降维的必要性
        2.2.2 波段选择
        2.2.3 特征提取
    2.3 高光谱图像目标检测理论
    2.4 稀疏表示
        2.4.1 稀疏表示模型
        2.4.2 稀疏表示的系数求解
        2.4.3 字典训练
    2.5 本章小结
第3章 基于混合群智能算法的波段选择
    3.1 算法思想
    3.2 改进的人工鱼群算法
    3.3 蚁群算法
    3.4 混合群智能算法的步骤
    3.5 实验结果及分析
    3.6 本章小结
第4章 基于核稀疏法的高光谱图像的目标检测
    4.1 基于稀疏表示的高光谱目标检测算法
    4.2 核稀疏表示
        4.2.1 核方法
        4.2.2 核稀疏表示模型
        4.2.3 KOMP算法
        4.2.4 K-KSVD算法
    4.3 基于核稀疏表示的高光谱目标检测算法
    4.4 实验结果与分析
        4.4.1 实验数据及预处理
        4.4.2 目标检测实验
        4.4.3 波段选择对性能的优化
    4.5 本章小结
第5章 结论与展望
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢


【参考文献】：
期刊论文
[1]加权概率原型分析的高光谱影像波段选择[J]. 孙伟伟,张殿发,杨刚,李巍岳.  遥感学报. 2018(01)
[2]多纵模高光谱分辨率激光雷达研究[J]. 成中涛,刘东,刘崇,白剑,罗敬,唐培钧,周雨迪,张与鹏,徐沛拓,汪凯巍,沈亦兵,杨甬英.  光学学报. 2017(04)
[3]基于无人机高光谱遥感的冬小麦叶面积指数反演[J]. 高林,杨贵军,于海洋,徐波,赵晓庆,董锦绘,马亚斌.  农业工程学报. 2016(22)
[4]基于去噪降维和蝙蝠优化的高光谱图像盲解混算法[J]. 贾志成,薛允艳,陈雷,郭艳菊,许浩达.  光子学报. 2016(05)
[5]基于压缩感知理论的雷达成像技术与应用研究进展[J]. 李少东,杨军,陈文峰,马晓岩.  电子与信息学报. 2016(02)
[6]基追踪问题的近点算法及其应用研究[J]. 张小亚,张慧,王红霞.  计算机工程与科学. 2016(01)
[7]高光谱遥感技术及资源勘查应用进展[J]. 李志忠,汪大明,刘德长,刘银年,赵慧洁,党福星.  地球科学(中国地质大学学报). 2015(08)
[8]基于AUC的非参数快速变点检测算法[J]. 吴学龙,徐维超.  计算机与现代化. 2015(07)
[9]基于统计检验的核函数度量方法研究[J]. 王裴岩,蔡东风.  计算机科学. 2015(04)
[10]结合KSVD和分类稀疏表示的图像压缩感知[J]. 翟雪含,朱卫平,康彬.  计算机工程与应用. 2015(06)

硕士论文
[1]基于稀疏表示的高光谱图像分类和异常检测研究[D]. 刘佳彬.北京化工大学 2016
[2]高光谱图像波段选择方法的研究[D]. 魏芳洁.哈尔滨工程大学 2013



本文编号：3699807