高光谱图像实时目标提取关键技术研究

发布时间：2020-08-11 17:07

【摘要】：高光谱图像包含了丰富的光谱信息,使得对于地物信息的深度挖掘成为可能,特别是在提取人工目标方面具有巨大的优势和潜力。随着高光谱遥感技术的不断发展,高光谱图像的数据量持续增大,同时灾害应急和国防领域等相关应用对于获取信息的时效性的要求也越来越高,传统的星上数据获取后下传再处理的模式已经不能满足需求,需要发展在轨的高光谱图像目标提取实时处理技术。本文从高光谱图像端元提取以及高光谱图像目标探测两个方面,以FPGA作为算法运行的硬件平台,针对高光谱图像实时目标提取若干关键技术开展研究,主要研究内容及成果如下:1、基于最大单形体体积的高光谱图像实时端元提取方法。在高光谱图像处理中,影响地面目标提取与识别的一个重要问题就是混合像元问题,而端元提取技术就是从混合像元中提取主要的地物成分,获取真实的地物信息。基于高维光谱空间中像元组成的单形体体积进行端元提取是一种非常经典的方法,并且已提出了很多成熟的算法,但是这些算法的逻辑复杂度较高,且需要数据降维。本文针对这两个缺陷,提出了一种实时最大单形体体积端元提取算法(RT-MSVA),利用了一种新的单形体体积计算公式以及单形体增长理论,无需数据降维,避免了细节信息的损失,且算法具有稳定性。为了满足实时处理要求,文中对算法中一些关键步骤进行了优化,利用Woodbury公式对矩阵行列式进行迭代求解,减小了算法的计算量,并且利用Virtex-7系列FPGA完成了RT-MSVA的算法实现,相比于软件处理实现了约200倍的加速,满足实时处理要求。2、基于非监督背景自动提取的高光谱图像实时目标探测方法。目标探测算法的目的是突出目标、抑制背景。如果目标和背景的光谱均已知,那么就可以有针对性地进行探测器设计,避免背景以及与目标光谱较为接近的干扰物的影响。但是在多数情况下,在探测之前仅有欲探测的目标的光谱,而并没有背景相关先验知识。本文利用端元信息的完备性,提出了一种基于非监督背景自动提取的目标探测方法(UBETD)。UBETD提出了一种从高光谱图像中自动获取背景光谱的方法,将已知目标、未知背景的问题转化为已知目标、已知背景的问题。UBETD方法具有普适性,任何端元提取算法均适用于进行背景提取。本文中选取了RT-MSVA算法进行背景提取,在得到目标及背景光谱后利用TCIMF算法进行目标探测。在对算法中计算量集中的步骤进行了优化之后,利用Virtex-7系列FPGA完成了实时处理版本RT-UBETD的算法实现,并对其进行了实验验证。实验证明,该方法可以有效地提高目标探测的性能,对丰度较低的目标有更好的探测能力,并且虚警较少。3、基于FPGA的高光谱图像实时目标提取关键技术比较研究。高光谱图像目标提取算法之间有一些共性的关键问题,将这些关键步骤的具体实现方法进行总结,并分析各自在不同应用场景下的优势与缺陷,将对提升高光谱图像实时处理系统的性能带来巨大的帮助。在高光谱图像目标提取实时化过程中,对目标探测的性能及处理效率影响最大的有两个关键步骤:一个是背景统计方法,另一个则是对背景统计中得到的自相关矩阵进行求逆。本文对这两个关键问题进行了总结与分析。其中,面向实时目标提取的背景统计方法包括全局背景统计、空间采样背景统计、局部背景统计以及流水背景统计。不同的背景统计方法计算量大不相同,而且由于背景信息的完备程度不同,对最终目标探测结果也会产生影响。针对FPGA平台特性的逆矩阵计算方法包括LU分解方法、Sherman-Morrison公式法以及实对称矩阵子块增长求逆算法。本文对这些方法的目标探测性能以及处理效率进行了理论分析以及实验验证,以处理效率最优为原则,为每一种背景统计方法匹配了最佳的矩阵求逆方法,并且最终针对不同的应用场景及需求,给出了实时处理实现过程中方法选择的相关建议。4、基于FPGA的多功能高光谱图像目标提取实时处理系统设计。一个完整的实时处理系统除了可以在限定时间内完成处理任务之外,还需要具有灵活、易于控制等特点,并且尽量覆盖多种不同的应用场景。本文以搭载了Virtex-7系列FPGA的VC709评估板为硬件平台,在RT-MSVA以及RT-UBETD算法实现的基础上,将各处理模块按照具体功能进行了拆解与重组,设计了多功能高光谱图像目标提取实时处理系统。该系统利用统一的控制信号对系统的工作情况进行操控,可以根据不同的需求以及先验知识情况,实现端元提取、单独的目标探测、非监督背景自动提取目标探测、多目标探测等多种功能。多功能高光谱图像目标提取实时处理系统的设计,对于高光谱图像实时目标提取技术的实际应用具有参考价值。
【学位授予单位】：中国科学院大学(中国科学院遥感与数字地球研究所)
【学位级别】：博士
【学位授予年份】：2018
【分类号】：P237
【图文】：

假彩色显示,模拟图像

Fractals模拟图像假彩色显示

模拟图像,第一,目标探测,算法有效性

图 1.5 构成第一幅 Fractals 模拟图像的地物光谱（2）目标探测模拟图像图 1.6 所示的是用于证明目标探测算法有效性而专门构建的模拟图像。意义在于从理论上证明算法的可行性，因此背景设置为均匀背景。该图S 光谱库中 5 种地物光谱组成，分别为 fir tree、blackbrush、blue spruces 以及 annite。所有的光谱曲线被重采样为 189 波段，其中 blackbrush 与 f

模拟图像,目标探测,模拟图像

高光谱图像实时目标提取关键技术研究的光谱曲线较为接近，因此设定 blackbrush 为目标，fir tree 为干扰项，其余为背景地物。模拟图像以一个相对极端的方式进行构建，即图像中存在作为背景的 4种地物的纯像元，同时背景均匀分布并存在大量干扰。该图像包含50 50个像元，背景由 10%的 annite、10%的 dry grass、20%的 blue spruce 以及 60%的 fir tree 组成。在坐标为(10，5)，(10，10)，…，(10，45) 的点处插入了 9 个目标，目标丰度分别为 5%、10%、20%、30%、40%、50%、60%、80%和 100%。最后，6 个特殊的干扰点被插入到(30，10)，…， (30，30)处，其中 4 个为背景地物纯像元，另外两个分别包括 90%和 80%的 fir tree。目标及干扰点的分布如图 1.5 所示。

【参考文献】