基于光谱维变换的高光谱图像目标探测研究

论文摘要

高光谱遥感是20世纪80年代逐渐发展起来的新兴遥感技术,它在空间成像的同时记录下成百个连续的光谱通道,从图像的每一个像元均能提取出一条连续的光谱曲线,代表了像元对应地面瞬时视场区域中的地物平均反射光谱信息。因此,本文研究的高光谱图像目标探测正是基于高光谱图像光谱维分析以实现特定目标的快速和自动检测。基于高光谱图像对特定目标的探测是一个涉及光谱成像和像元光谱分析的复杂过程,本论文研究了多种光谱维去相关和光谱维投影变换方法。在系统总结前人研究成果的基础上,研究了与高光谱遥感目标探测相关的探测算法设计、种类划分及其模型评价等问题。最后针对概率密度模型和子空间模型进行了目标探测算法的讨论、设计和实验。论文的主要研究工作和成果包括在以下五个方面:1.将MNF变换和NAPC变换当成两种不同的数学变换方法展开讨论,证明两者的等效性。随后通过具体实验阐明:高光谱数据样本的空间分布对基于MNF变换的特征提取结果有着显著影响。随后针对地物混杂下分类效果不佳问题,提出了一种通过优化噪声协方差矩阵评估的MNF改进算法。该算法针对高光谱图像中很难找到同类均匀地块的情况,能够更加有效的进行数据降维和噪声分离处理。2.为了综合评估各种高光谱图像目标探测算法性能,本文总结了应用于各个领域的探测算法性能指标,如虚警概率和检测概率、恒虚警概率、超标概率、信杂比、ROC曲线等,并在实验中依据该指标因素全面地评价了各种探测算法。3.本文将各种基于概率密度模型探测算法在白化空间中统一描述,针对白化空间中目标和背景分布之间决策边界选择问题,打破背景在白化空间中服从正态分布的假设,提出了基于椭圆轮廓分布的双曲线决策门限型探测算法和抛物线决策门限型探测算法,实验证明这两种探测算法在检测概率上优于ACE探测算法。4.将各种基于子空间投影的目标探测算法在光谱向量欧氏空间中统一描述,证明部分目标探测算法的等效性,并提出了一种基于斜子空间投影的广义化似然比(GLRT)探测算法,通过实验证明,在获取背景特征向量不能够完备表述背景子空间的时候,该探测算法有着优于GLRT探测算法的性能。5.本文在试图将MNF变换应用于以CEM算法为代表的概率密度模型算法和以OSP算法为代表的子空间模型算法中,发现MNF变换中的典型特征向量能够准确表述背景子空间,而非图像子空间。因此,将其用在基于背景正交子空间投影的目标探测算法有着更好的探测性能,于是提出了一种基于MNF变换的非监督OSP算法,并取得了较好的实验结果。

论文目录

• 摘要
• Abstract
• 常用缩写对照表
• 本论文数学公式符号约定
• 第一章 引言
• 1.1 选题研究目的及意义
• 1.2 国内外研究概况和发展趋势
• 1.2.1 高光谱图像目标探测的遥感过程
• 1.2.2 目标空间维探测和图像光谱维探测比较
• 1.2.3 高光谱图像光谱变换技术研究现状
• 1.2.4 高光谱目标探测技术研究现状
• 1.3 论文的研究内容
• 1.3.1 论文研究重点
• 1.3.2 章节内容安排
• 1.3.3 论文所采用的数据源
• 第二章：基于光谱维变换的高光谱图像分析
• 2.1 高光谱数据去相关变换方法研究
• 2.1.1 与空间分布无关的去相关变换法
• 2.1.2 与空间分布有关的去相关变换法
• 2.2 地物混杂条件下的改进MNF 变换算法
• 2.2.1 实际的问题提出
• 2.2.2 MNF 变换结果受样本空间分布影响分析
• 2.2.3 改进NCM 评估的MNF 变换法
• 2.2.4 地物混杂对分类精度的影响分析
• 2.2.5 基于MNF 变换的分类方法的改进
• 2.2.6 用改进的MNF 变换法分类模拟实验
• 2.2.7 改进的MNF 变换法应用实例分析
• 2.3 目标探测中光谱维变换法探讨
• 2.3.1 高光谱数据白化变换
• 2.3.2 高光谱数据子空间投影变换法
• 2.3.3 基变换和向量投影
• 2.4 本章小结
• 第三章：基于概率统计模型的目标探测研究
• 3.1 目标探测分析模型建立
• 3.1.1 概率密度模型
• 3.1.2 子空间模型
• 3.1.3 探测算法设计一般过程
• 3.1.4 探测算法种类划分
• 3.1.5 探测算法性能评估参数设定
• 3.2 一些经典的目标探测算法讨论
• 3.2.1 光谱角度和光谱欧氏距离
• 3.2.2 正交子空间投影算法
• 3.2.3 CEM 算法
• 3.3 基于统计模式识别的目标探测分析
• 3.3.1 NP 决策方法分析
• 3.3.2 Fisher 准则用于高光谱目标探测
• 3.3.3 异常探测算法（RXD）
• 3.3.4 探测算法在白化空间中的讨论
• 3.3.5 探测算法门限获取
• 3.3.6 算法讨论总结
• 3.3.7 ROC 曲线获取和讨论
• 3.4 ACE 和AMF 探测算法研究
• 3.4.1 混合模型下的探测算法
• 3.4.2 ACE 和AMF 在白化空间中的讨论
• 3.5 椭圆形轮廓分布探测算法
• 3.5.1 ECD 背景模型
• 3.5.2 ECD 探测算法设计
• 3.5.3 抛物线门限型ECD 探测算法
• 3.6 本章小结
• 第四章：基于子空间模型的目标探测研究
• 4.1 监督亚像元目标探测讨论
• 4.1.1 目标约束下的干扰最小化滤波算法-TCIMF
• 4.1.2 特征子空间投影法-SSP
• 4.1.3 目标子空间投影法-TSP
• 4.1.4 斜子空间投影法-OBSP
• 4.1.5 广义化似然比探测算法-GLRT
• 4.2 非监督亚像元目标探测
• 4.2.1 非监督OSP 法-UOSP
• 4.2.2 非监督向量量化目标子空间投影法-UVQTSP
• 4.2.3 非监督目标生成处理法-UTGP
• 4.3 几种异常目标探测算法
• 4.3.1 低概率目标探测算法-LPTD
• 4.3.2 均衡目标探测算法-UTD
• 4.3.3 RXD 均衡目标探测算法-RXD-UTD
• 4.4 基于斜子空间投影的GLR 探测算法-OBSP-GLRT
• 4.4.1 问题提出
• 4.4.2 OGLRT 算法设计
• 4.4.3 OGLRT 与其它探测算法在同一空间中的比较
• 4.5 本章小结
• 第五章：各种探测算法性能评估实验
• 5.1 线性混合光谱模拟实验
• 5.1.1 实验内容设计
• 5.1.2 概率密度模型算法实验
• 5.1.3 子空间模型算法实验
• 5.1.4 线性混合光谱模拟实验总结
• 5.2 真实场景高光谱图像实验
• 5.2.1 人工目标探测实验数据准备
• 5.2.2 概率统计模型算法比较
• 5.2.3 MNF 结合CEM、UOSP 算法实验
• 5.2.4 子空间模型算法比较
• 5.2.5 蚀变岩目标探测实验
• 5.2.6 真实场景图像实验总结
• 5.3 本章小结
• 第六章 结论和展望
• 6.1 主要成果和创新点
• 6.2 未来研究发展展望
• 参考文献
• 博士期间发表的文章
• 博士期间参与的项目
• 致谢