遥感图像的目标检测方法研究

论文摘要

近年来,随着遥感技术的发展,遥感图像的目标检测引起了广泛的关注。研究遥感图像的目标检测对于资源勘探,自然灾害评估,军事目标检测和识别等都具有重要的意义。由于受到地表温度以及大气衰减等因素的影响,遥感系统所受到的干扰比普通的地面监控系统更强,干扰有时会大大超过所要检测目标的强度,因此,实现遥感图像的目标检测更具挑战性。本文的工作主要是研究遥感图像的目标检测方法,包括无目标先验信息的异常检测和已知目标先验信息的目标检测,开展了如下工作:1.分析了遥感图像的背景分布特性,提出了一种改进的背景描述方法。首先分析了单波段遥感图像和高光谱图像的统计分布特性,并比较了高斯模型与实际遥感图像背景特性的偏差,在此基础上,提出采用背景高斯化的方法来描述背景,得到了一种基于背景高斯化的单波段遥感图像异常检测方法和一种基于背景高斯化的高光谱图像异常检测方法。2.分析了检测算法中常用的目标模型,并将目标光谱模型应用于序列图像的目标检测。首先分析了单波段遥感图像目标检测算法中常用的目标模型,然后讨论了高光谱图像目标检测算法中的多元高斯模型、奇异值分解模型和自回归模型,在此基础上,将光谱模型应用于序列图像的时域目标检测,得到了一种新的基于时域剖面分析的运动弱小目标检测算法。3.分析了遥感图像的异常检测方法。首先介绍了基于亮度聚类的异常检测算法的优缺点,以此为基础,提出利用背景分解的思想来描述复杂背景的影响,并采用二维纹理分割来实现复杂背景分解,得到了一种基于二维纹理分割的单波段遥感图像的异常检测算法。接着分析了高光谱图像的特点和高光谱图像异常检测的经典算法—RX算法,将背景分解的思想应用于高光谱图像的异常检测,并对二维纹理分割方法进行扩展,获得了一种基于三维纹理分割的高光谱图像异常检测算法。4.分析了遥感图像的目标检测方法,根据目标大小与成像系统分辨率的关系,分别讨论了高光谱图像的全像素目标检测方法和亚像素目标检测方法,重点分析了Kelly检测法,自适应余弦估计法和自适应子空间匹配法三种高光谱图像亚像素目标检测方法。将背景分解的思想应用于高光谱图像的目标检测,给出了一种基于背景分解的全像素目标检测法和三种基于背景分解的亚像素目标检测方法。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景和研究意义
• 1.2 遥感图像目标检测方法的研究现状
• 1.2.1 遥感图像的背景分析
• 1.2.2 遥感图像的目标分析
• 1.2.3 遥感图像的异常检测
• 1.2.4 遥感图像的目标检测
• 1.3 本文的研究内容
• 1.3.1 研究内容
• 1.3.2 章节安排
• 1.3.3 本文的创新点
• 第二章 遥感图像的背景分析
• 2.1 单波段遥感图像的背景分析
• 2.2 高光谱图像的背景分析
• 2.3 背景高斯化在单波段遥感图像异常检测中的应用
• 2.3.1 背景高斯化模型
• 2.3.2 背景高斯化模型的应用
• 2.4 背景高斯化在高光谱图像异常检测中的应用
• 2.5 小结
• 第三章 遥感图像的目标分析
• 3.1 单波段遥感图像的目标模型分析
• 3.2 高光谱图像的目标模型分析
• 3.2.1 多元高斯模型
• 3.2.2 奇异值分解模型
• 3.2.3 线性混合模型
• 3.2.4 自回归模型
• 3.3 目标模型在时域目标检测中的应用
• 3.3.1 时域剖面建模
• 3.3.2 时域剖面模型的应用
• 3.4 小结
• 第四章 遥感图像的异常检测
• 4.1 单波段遥感图像的异常检测
• 4.1.1 基于亮度聚类的异常检测算法
• 4.1.2 基于纹理分割的异常检测算法
• 4.1.3 遥感图像的变化检测
• 4.2 高光谱图像的异常检测
• 4.2.1 高光谱图像及其特性分析
• 4.2.2 RX 算法
• 4.2.3 基于三维纹理分割的异常检测算法
• 4.3 小结
• 第五章 遥感图像的目标检测
• 5.1 单波段遥感图像的目标检测
• 5.2 高光谱图像的目标检测
• 5.2.1 高光谱图像的全像素目标检测
• 5.2.2 高光谱图像的亚像素目标检测
• 5.3 目标检测算法的性能评价方法
• 5.3.1 ROC 曲线评价方法
• 5.3.2 直方图比较法
• 5.3.3 背景特性评价法
• 5.3.4 背景目标分离图法
• 5.3.5 基于数据归一化的目标检测性能评价方法
• 5.4 基于背景分解的高光谱图像目标检测
• 5.4.1 基于背景分解的高光谱图像全像素目标检测
• 5.4.2 基于背景分解的高光谱图像亚像素目标检测
• 5.5 小结
• 第六章 全文总结
• 6.1 研究总结和创新点
• 6.2 研究展望
• 致谢
• 参考文献
• 攻读博士期间研究成果