基于海背景的高光谱图像异常目标检测技术研究
发布时间：2021-01-19 01:28
在遥感图像中,具有光谱波段数多、分辨率高、图谱合一等特点的高光谱图像在军事、农业、海洋以及地质探测等多个方面得到了十分广泛的应用。异常目标检测作为高光谱图像应用的关键一部分,一直是专家学者研究的一个热点[1]。但由于高光谱数据庞大,对于矩阵数据的处理比较困难,而且由于在异常目标检测中复杂背景以及各种噪声的影响,使得对于高光谱图像,其异常目标的检测存在较大的挑战[2]。本文主要针对海背景的高光谱图像,介绍了海背景图像仿真方法以及目标背景光谱特征的分析,并针对高光谱图像异常目标提出了基于稀疏表示模型、低秩和稀疏表示模型的检测算法。论文的主要研究内容如下:第二章研究了基于海背景的图像仿真与特性分析。由于现阶段基于海背景的高光谱图像数据集较少且很难获取,而海背景的红外图像获取简单。我们介绍了一种由海背景红外图像为基础,利用高斯模型仿真出整幅高光谱图像的方法,并进行了实验与对比,证明了仿真方法的可用性。然后,我们引入了辐射亮度差、对比度和光谱角等概念,并对目标和背景的光谱特征进行了深入的分析。第三章研究了基于核稀疏（KSR）表示的异常目标检测算法。该算...
【文章来源】：国防科技大学湖南省 211工程院校 985工程院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
场景1和异常地面真实信息
国防科技大学研究生院硕士学位论文第25页3.4仿真实验及分析3.4.1真实场景仿真为了验证本章提出的基于核稀疏表示的高光谱图像异常检测算法的性能优势，本节在AVIRIS高光谱数据上进行试验并检验了提出算法的有效性。该图像数据采集自美国圣地亚哥海军机场，数据集具有范围从370~2510nm的224个光谱带。实验中我们去除掉了高光谱数据集中无效的波段(1~6，33~35，97，107~113，153~166和221~224)之后，保留了总189个光谱带。实验中选取的两个图像（ROI-I和ROI-II）的像素大小为100100，图像的真实情况与异常目标的分布情况如下图所示。图3.1场景1和异常地面真实信息图3.2场景2和异常地面真实信息首先，我们检验最大稀疏度0K和正则化参数对算法的影响。我们用场景ROI-I和ROI-II做了多次实验。实验过程中，场景1的内窗尺寸设置为77，外窗的尺寸为1111；ROI-II的内窗和外窗大小分别设置为1111和1717。
国防科技大学研究生院硕士学位论文第39页(a)(b)(c)(d)(e)图4.5混合高光谱图像的异常检测结果(a)LRR-SDC,(b)SVDD,(c)SR,(d)RX,and(e)LRASR.(a)(b)(c)(d)(e)图4.6城市区域高光谱图像的异常检测结果(a)LRR-SDC,(b)SVDD,(c)SR,(d)RX,and(e)LRASR.图4.7混合高光谱图像的异常检测ROC曲线
本文编号：2986061
【文章来源】：国防科技大学湖南省 211工程院校 985工程院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
场景1和异常地面真实信息
国防科技大学研究生院硕士学位论文第25页3.4仿真实验及分析3.4.1真实场景仿真为了验证本章提出的基于核稀疏表示的高光谱图像异常检测算法的性能优势，本节在AVIRIS高光谱数据上进行试验并检验了提出算法的有效性。该图像数据采集自美国圣地亚哥海军机场，数据集具有范围从370~2510nm的224个光谱带。实验中我们去除掉了高光谱数据集中无效的波段(1~6，33~35，97，107~113，153~166和221~224)之后，保留了总189个光谱带。实验中选取的两个图像（ROI-I和ROI-II）的像素大小为100100，图像的真实情况与异常目标的分布情况如下图所示。图3.1场景1和异常地面真实信息图3.2场景2和异常地面真实信息首先，我们检验最大稀疏度0K和正则化参数对算法的影响。我们用场景ROI-I和ROI-II做了多次实验。实验过程中，场景1的内窗尺寸设置为77，外窗的尺寸为1111；ROI-II的内窗和外窗大小分别设置为1111和1717。
国防科技大学研究生院硕士学位论文第39页(a)(b)(c)(d)(e)图4.5混合高光谱图像的异常检测结果(a)LRR-SDC,(b)SVDD,(c)SR,(d)RX,and(e)LRASR.(a)(b)(c)(d)(e)图4.6城市区域高光谱图像的异常检测结果(a)LRR-SDC,(b)SVDD,(c)SR,(d)RX,and(e)LRASR.图4.7混合高光谱图像的异常检测ROC曲线
本文编号：2986061
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2986061.html
