论文部分内容阅读
高光谱遥感图像提供了丰富的空间与光谱信息。相比于传统低光谱分辨率的遥感成像技术,高光谱遥感成像技术在精准农业、军事侦察和海洋监测中发挥了越来越重要的作用,但同时也给遥感数据处理与分析带来新的挑战。具体来说,在高光谱遥感图像获取过程中,受传感器与天气条件的影响,图像数据会受到不同类型噪声的干扰,这些噪声严重影响了后续的高光谱图像处理与分析。此外,高光谱传感器光谱分辨率提升的同时,造成数据维度的大幅增长,大量冗余信息的存在影响了目标检测方法的性能。受阴影、光照等环境因素影响,高光谱数据存在“同物异谱”和“同谱异物”现象,仅利用目标间的光谱差异难以实现目标的精准检测。相比低光谱分辨率的遥感图像,高光谱图像的光谱分辨率高,但空间分辨率较低,因此高光谱图像不可避免出现光谱混叠现象,即单一像素中可能包含多种地物目标。在这种情况下,仅利用高光谱数据的像素级特征难以充分挖掘图像的空间和光谱信息,从而实现对目标的精准检测。最后,在一些特定应用场景例如在海洋环境下,由于海面耀斑与图像噪声的存在,传统异常目标检测方法难以实现海洋目标的精准检测。针对高光谱遥感图像存在的上述问题,本文围绕高光谱图像处理的两个核心技术(图像去噪和异常目标检测)开展研究,提出了基于组群低秩张量恢复的高光谱去噪方法与多种针对性的高光谱异常目标检测方法。其中图像去噪指的是减少数字图像中噪声的过程。异常目标检测指的是在没有目标先验信息的条件下,检测出与周边环境存在明显光谱差异的地物目标。具体研究内容如下:(1)针对混合噪声引起的高光谱遥感图像质量退化问题,本文提出基于组群低秩张量恢复的高光谱图像去噪方法。该方法通过非局部相似性区域搜索,获得空谱相似的张量组群,然后通过张量低秩恢复模型去除高光谱遥感图像中的混合噪声成分。该方法的特点是:充分利用了图像中空谱相似性信息和低秩张量恢复模型对高光谱三维数据结构的保持优势,实现了空谱高保真的图像去噪效果。实验结果表明,与主流的高光谱图像去噪方法相比,本文方法在主观目视判别和客观评价指标上均具有优势。(2)由于高维冗余信息的存在,传统基于单一能量函数的检测方法难以有效挖掘图像中异常目标的空间和光谱信息,导致检测性能受限。为解决这一难题,本文提出了基于博弈论的异常目标检测方法。首先,该方法联合多种高光谱图像光谱-空间特征,将高光谱遥感异常目标检测问题定义为异常博弈的模型。当异常博弈达到纳什均衡状态时,基于每个博弈玩家所选择的博弈策略,生成最优的异常目标检测结果。然后,基于显著性的决策融合技术联合不同光谱-空间特征的互补信息,从而得到融合的检测结果。实验结果表明,该方法通过构建具有多种能量函数的博弈模型,充分挖掘高光谱图像异常目标空间和光谱信息,有效克服了高维冗余信息对目标检测性能的影响。(3)“同物异谱”与“同谱异物”现象的存在,使得仅利用目标间的光谱差异难以实现目标的精准检测。为解决这一难题,本文提出基于流形排序的异常目标检测方法。首先,通过差异性估计和阈值化处理自动生成一组异常查询点。然后,通过构造一个闭环图模型来描述相邻节点之间的相似性,其中每个节点为一个超像素块。最后,根据每个节点与异常查询点的相似性,通过流形排序算法计算出每个节点的排名值,生成最终的检测结果。实验结果表明该检测方法联合利用了图像中像素间差异性和相似性,有效克服了“同物异谱”和“同谱异物”对数据精准解译的影响。(4)针对单一图像特征表征能力弱以及在复杂地物背景下目标检测精度难以提升的问题,本文提出一种多特征引导融合的异常目标检测方法。首先,通过提取包含光谱混叠信息的亚像素级特征,空间结构信息的像素级特征和局部空谱相似性信息的超像素级特征。然后,基于三种特征的空间信息,提出一种基于引导滤波的权值优化技术,用于构建三种特征的显著性权重图。最后,采用加权融合的决策融合方法,充分利用三种特征在空谱信息表征上的互补性,来获得融合的检测结果。实验结果表明所提出的多特征引导融合的异常目标检测方法能充分挖掘高光谱图像的空谱信息,在真实复杂地物场景下具有鲁棒的检测性能。(5)在海洋高光谱溢油检测工程应用中,溢油与海水均属于自然光的强吸收体,他们的光谱难以区分。其次,受海面反射耀斑与图像噪声的干扰,使得传统异常目标检测方法难以有效检测海水中的溢油区域。针对上述问题,本文提出一种空谱联合的高光谱海洋溢油检测方法。首先,该方法通过光谱解混,有效挖掘具有辨识性的亚像素级光谱特征,提升溢油与海水类别的对比度。其次,基于空间与光谱联合的低秩矩阵恢复与递归滤波技术,有效抑制了海面耀斑与图像噪声。最后,基于溢油与海水的光谱差异性,逐像素计算目标与图像背景的马氏距离,精确检测出海洋溢油区域。实验结果证明:本文所提出的异常目标检测方法,实现了在复杂海洋场景下溢油空间分布的精准检测。