高光谱遥感影像异常检测方法研究

发布时间：2023-02-11 14:58

　　过去三十年来,随着航空航天技术和成像光谱仪技术的飞速发展,基于高光谱遥感的对地观测方式引起了人们越来越多的关注。相比于传统的遥感影像,高光谱影像的最大特点是能够同时获取地物的空间和光谱信息,这为我们准确、定量地分析地物特性提供了支撑。异常检测是高光谱遥感领域的重要研究课题之一,它能够在没有任何先验知识的条件下寻找出和周围背景具有光谱差异的感兴趣目标。然而,场景中复杂的背景成分,存在的亚像元异常以及较小面积的背景区域等都会对许多现有异常检测算法的性能表现造成一定的影响。为了克服或缓解以上所提到的这些问题,本论文从光谱差异和空间分布特征两个方面同时考虑,设计了两种新的异常检测算法和一种新的算法性能提升策略,从一定程度上推动了高光谱异常检测领域的向前发展。论文的主要成果包括:1)提出了一种基于背景估计和自适应加权稀疏表示的高光谱异常检测算法。该算法的基本思路是基于一个背景过完备字典,图像中的背景像元光谱可以被较好地重构出来,而异常像元光谱则无法完成近似重构,然后我们根据重构误差就可以区分背景和异常。为了准确构建背景字典,算法中使用了一种结合端元提取方法和结构元素遍历的新策略。而为了进一步增加...

【文章页数】：92 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题背景和研究意义
    1.2 国内外研究现状
        1.2.1 高光谱技术发展状况
        1.2.2 高光谱异常检测发展状况
    1.3 论文的主要工作及结构安排
        1.3.1 论文的主要工作
        1.3.2 论文的结构安排
第二章 基于背景估计和自适应加权稀疏表示的高光谱异常检测
    2.1 引言
    2.2 相关方法回顾
        2.2.1 SMACC端元提取模型
        2.2.2 高光谱像元稀疏表示模型
    2.3 算法原理及实现
        2.3.1 背景字典构建
        2.3.2 自适应加权稀疏表示
        2.3.3 算法基本框架
    2.4 实验结果及分析
        2.4.1 数据集描述
        2.4.2 算法检测性能
        2.4.3 参数分析
    2.5 本章小结
第三章 结合低秩-稀疏矩阵分解和聚类加权的高光谱异常检测
    3.1 引言
    3.2 LRaSMD相关算法原理
        3.2.1 RPCA
        3.2.2 GoDec
    3.3 结合LRaSMD和聚类加权的异常检测
    3.4 实验结果及分析
        3.4.1 数据集描述
        3.4.2 检测性能评估
        3.4.3 参数敏感性分析
    3.5 本章小结
第四章 基于张量分解和聚类加权的高光谱异常检测性能提升策略
    4.1 引言
    4.2 张量分解理论背景
    4.3 本章策略的原理与实现
        4.3.1 权重矩阵估计
        4.3.2 联合权重矩阵和异常检测器
    4.4 实验结果及分析
        4.4.1 检测性能
        4.4.2 参数分析
    4.5 本章小结
第五章 总结与展望
    5.1 论文主要工作总结
    5.2 未来工作展望
致谢
参考文献
作者在学期间取得的学术成果
作者在学期间参加的学科竞赛
作者在学期间参加的科研项目



本文编号：3740602