基于主动学习的高光谱遥感图像异常检测

发布时间：2017-09-21 14:36

  本文关键词：基于主动学习的高光谱遥感图像异常检测

  更多相关文章： 高光谱图像 异常检测 主动学习 支持向量数据描述

【摘要】：高光谱遥感是一种新型的遥感技术,兴起于上世纪80年代,由于它能够提供地物更为详细的信息,使得传统多光谱遥感探测不到的信息能够被探测到。高光谱遥感目标探测分为目标检测和异常检测两种,与目标检测相比,异常检测算法能在无先验信息的情况下将与周围背景环境存在显著光谱差异的异常目标检测出来,具有较强实用性,因此成为一大研究热点。 论文提出了基于主动学习的支持向量数据描述(Support Vector Data Description, SVDD)异常检测算法,针对传统SVDD算法在背景建模时样本选择的随机性使得算法计算量大的问题,引进机器学习中的主动学习思想,优化训练样本选择,主动选取那些对于异常检测算法的构建有用的样本。用仿真数据对本文的算法和传统SVDD异常检测算法进行实验,结果证明本文提出的算法能够大大降低异常检测所需时间。 论文提出了结合邻域聚类分割的主动学习SVDD异常检测算法,进一步研究了主动学习降低异常检测算法复杂度的作用。在进行检测前先对遥感图像进行邻域聚类分割能够得到潜在异常像元,再利用SVDD算法对潜在异常像元进行检测,这样能够降低算法复杂度。此外,将主动学习引进结合邻域聚类分割的SVDD算法,仿真实验和真实航空可见光近红外成像仪(Airborne Visible Infrared Imaging Spectrometer, AVIRIS)数据进行的实验证明,与结合邻域聚类分割的SVDD算法相比,结合邻域聚类分割的主动学习SVDD算法能使算法的计算复杂度大大降低。
【关键词】：高光谱图像 异常检测 主动学习 支持向量数据描述
【学位授予单位】：首都师范大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP751;P237
【目录】：

• 摘要4-5
• Abstract5-8
• 图目录8-9
• 表目录9-10
• 第一章 绪论10-18
• 1.1 研究背景及意义10-12
• 1.2 高光谱遥感图像异常检测研究现状12-15
• 1.3 主动学习研究现状15-16
• 1.4 主要研究内容16-18
• 第二章 高光谱图像异常检测基本理论18-25
• 2.1 高光谱遥感图像数据的描述方式18-22
• 2.2 高光谱图像数据特性22
• 2.3 高光谱图像异常检测理论知识22-24
• 2.3.1 异常检测的概念23-24
• 2.3.2 异常检测算法性能的判定方法24
• 2.4 本章小结24-25
• 第三章 基于主动学习的SVDD异常检测25-40
• 3.1 SVDD异常检测算法25-32
• 3.1.1 核参数σ估算方法26-29
• 3.1.2 寻找最优超球29-30
• 3.1.3 引入松弛变量30
• 3.1.4 解决优化问题30-32
• 3.2 主动学习算法思想32-34
• 3.2.1 主动学习的样本选择策略33-34
• 3.3 基于主动学习的SVDD异常检测算法34-35
• 3.4 仿真实验及结果分析35-38
• 3.4.1 仿真数据生成35-36
• 3.4.2 仿真数据实验结果分析36-38
• 3.5 本章小结38-40
• 第四章 结合邻域聚类分割的主动学习SVDD异常检测40-46
• 4.1 邻域聚类分割40-41
• 4.2 结合邻域聚类分割的主动学习SVDD异常检测算法41-42
• 4.3 实验及结果分析42-44
• 4.3.1 仿真数据实验结果及分析42-43
• 4.3.2 AVIRIS数据实验及结果分析43-44
• 4.4 本章小结44-46
• 第五章 结束语46-48
• 5.1 总结46
• 5.2 创新点46-47
• 5.3 展望47-48
• 参考文献48-53
• 致谢53

【参考文献】

中国期刊全文数据库 前10条

1 路威;余旭初;刘娟;杨国鹏;;基于分布异常的高光谱遥感影像小目标检测算法[J];测绘学报;2006年01期

2 郭洪周,房晓钟,张宗贵,甘甫平;澳大利亚机载成像光谱仪及其应用[J];地质装备;2005年02期

3 毛耀保;;宁夏汝箕沟煤田火区高光谱定量遥感探测研究[J];国土资源遥感;2010年03期

4 寻丽娜;方勇华;李新;;高光谱图像中基于端元提取的小目标检测算法[J];光学学报;2007年07期

5 成宝芝;赵春晖;王玉磊;;基于四阶累积量的波段子集高光谱图像异常检测[J];光电子.激光;2012年08期

6 杜博;陈勇;史瑞芝;;一种基于高斯马尔可夫随机场的异常目标探测方法[J];测绘科学;2010年06期

7 宫秀军,孙建平,史忠植;主动贝叶斯网络分类器[J];计算机研究与发展;2002年05期

8 徐海龙;王晓丹;廖勇;权文;;一种基于主动学习的SVM增量训练算法[J];控制与决策;2010年02期

9 谌德荣;张立燕;陶鹏;曹旭平;;结合邻域聚类分割的高光谱图像异常检测支持向量数据描述方法[J];宇航学报;2007年03期

10 张立燕;谌德荣;陶鹏;;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];宇航学报;2007年05期

，

本文编号：895129