【摘 要】
：
高光谱遥感图像具有光谱分辨率高、图谱合一的特性，自诞生伊始，就受到广泛关注并被应用到各个方面中去，其中目标检测是高光谱遥感应用领域中非常重要的方向之一。目标检测本质上是一种二分类问题，即把高光谱图像区分为目标和背景两类。根据是否具有目标的先验知识，高光谱图像目标检测可以分为以下两种不同类型：异常探测(anomaly detection)和目标探测(target detection)，本文主要针对的
【出 处】
：
第三届全国成像光谱对地观测学术研讨会
论文部分内容阅读
高光谱遥感图像具有光谱分辨率高、图谱合一的特性，自诞生伊始，就受到广泛关注并被应用到各个方面中去，其中目标检测是高光谱遥感应用领域中非常重要的方向之一。目标检测本质上是一种二分类问题，即把高光谱图像区分为目标和背景两类。根据是否具有目标的先验知识，高光谱图像目标检测可以分为以下两种不同类型：异常探测(anomaly detection)和目标探测(target detection)，本文主要针对的是有先验目标光谱的目标探测问题。区别于一般分类问题，高光谱遥感图像目标探测具有一个显著的特点：目标在整个图像中占的比重很低。
其他文献
由于高光谱数据较高的光谱特征维数，针对高光谱影像的统计模式分类通常计算量很大，且容易受Hughes现象影响。近年来，随着具备处理小样本大数据能力的子空间学习技术迅速发展，对于非高斯多峰的高光谱影像数据，影像蕴含的局部保持邻域信息是对原始高维空间的有效低维嵌入。由于包含大量的波谱特征，高光谱影像相应的空间结构信息异常丰富，引入拓展多属性剖面模型(EMAPs)构建高光谱影像的空间结构特征，能有效提高样
新型WorldView-2/3遥感图像不仅空间分辨率得到了大幅提升而且波段划分更细，各波段的光谱响应也出现了显著的变化。这些新特点代表了下一代超高分辨率遥感图像的发展趋势，同时也对图像融合技术提出了挑战。现有的许多图像融合方法并不适用于此类新型高分辨率遥感图像，若直接套用，则会出现严重的光谱和空间信息失真现象。
高光谱图像能够覆盖几十甚至上百个波段，其中含有丰富的空间和光谱信息，使得高光谱图像被广泛应用于目标检测，地物分类，环境监测等诸多研究领域中[1]。高光谱图像在较窄且连续的波段上成像，有较高的光谱分辨率和较窄的波段间隔，但其空间分辨率一般较低，因此会对高光谱图像的后续处理带来较大影响[2]。目前已经有大量针对于提高高光谱图像空间分辨率的方法，这些方法对光谱维超分辨鲜有涉及。然而在目标检测和分类等诸多
近年来，随着人们对信息量需求的急剧增加以及高光谱图像在军事监控、农业规划、矿产勘查等的广泛使用，对高光谱图像高空间分辨率和高光谱分辨的需求也变得越来越高，虽然在遥感传感器的设计中，高光谱图像的光谱和空间分辨率有一个较大的改进。然而，在获取图像的过程中，不可能同时获得高空间分辨率和高光谱分辨率的高光谱图像。这是由于，一方面，系统为了权衡数据量和信噪比，另一方面，为了满足不同的特定应用的需求。然而，在
高光谱图像具有丰富的空间和光谱信息，在地物分类、矿物勘探等领域具有广泛应用。由于成像设备等限制，高分辨率的高光谱图像难以获取，较低的空间分辨率会导致光谱混合，进而影响高光谱图像的辨识能力。因此，高光谱图像的超分辨重构具有较大的理论和应用价值[1]。
图像处理系统的实时性是衡量图像处理系统性能的一个重要方面。系统的实时性表示系统对于外来事件必须在限定时间内做出反应。高光谱图像是高分辨率、高带宽数据,对该数据进行实时处理时,要求的处理速度一般在NG bit/s左右,传统的串行软件设计难以满足此要求,FPGA所具有的并行处理特点为解决此类问题提供了新的途径。本课题中涉及的实时图像处理,主要是用MATLAB完成图像的主成分分析,对高光谱图像进行降维处
高光谱遥感影像的成像过程受到多种因素的干扰，包括传感器、大气、地形以及其他因素，导致影像中出现噪声、模糊、混叠、云覆盖、阴影等。通过质量改善算法来去除这些干扰因素，是高光谱遥感影像解译的一个重要步骤。本文从多个层次，较全面地回顾高光谱遥感影像的质量改善方法，利用变分框架构建泛化的重建模型，将多种降质问题统一。为了体现高光谱遥感影像质量改善方法的特殊性，我们根据所采用的高光谱针对性策略，将现有方法划
背景与意义：高光谱成像技术是目前遥感技术发展的一个前沿技术，已被成功应用于许多领域。然而商光谱影像在成像时不可避免的受到各种噪声的干扰，为其后续应用带来了各种困难与挑战。因此，影像质量改善作为高光谱数据的预处理工作具有重要意义。
快速、准确地从遥感影像中提取感兴趣的关键信息是遥感对地观测领域的重要研究内容。随着当代遥感传感器技术呈现出高光谱分辨率、高空间分辨率和高时间分辨率的新特点，传统的人工解译遥感影像的方式已经很难应用，取而代之的是计算机全自动提取遥感影像信息的新方法。虽然现在计算机硬件的发展已经为快速、准确处理海量遥感影像提供了物理基础，但是相应的数据处理算法普遍存在自适应能力不足的缺点。因此，本报告基于机器学习与模
There are two target detection algorithms which are commonly used in various applications.1) Supervised target detection 2) anomaly detection.Both of them works on a similar linear process, which make