论文部分内容阅读
高光谱遥感技术自面世以来,就因其所包含的丰富信息量而受到广泛专注。高光谱图像在目标检测和物质分类上展现出巨大的作用。至今,高光谱目标检测技术已经得到极大地发展。然而,快速实现高光谱目标检测依然是一个需要解决的问题。高光谱目标检测基于目标光谱与背景光谱之间的差异性,当检测目标光谱与背景光谱极其相似时,对目标的有效识别成为一种挑战。本文在研究常见数据降维方法与目标检测算法基础上,提出两种新的数据降维方法和一种新的目标检测算法。该论文的主要工作内容如下:1.本文概述了机载高光谱遥感技术,对机载遥感特点、机载光谱仪的空间扫描方式、光谱重建等进行了介绍,并对高光谱数据特性、数据降维和目标检测的基础理论进行了研究。2.高光谱遥感图像数据波段众多,影响了检测算法的效率。为了实现高光谱目标的快速检测,论文在OIF算法的基础上,引入信息熵来计算波段信息量,引入巴氏系数来衡量波段之间的相关性,提出BSEF数据降维算法。该方法的运行时间短,选择的波段组合便于后续的目标检测。对比实验证明:与直接目标检测相比,对BSEF算法降维后的波段进行无监督目标检测时间可以缩短至原来的四分之一,同时可以提高目标检出率,降低目标检测虚警率;在BSEF的基础上,我们提出BERF算法来提高有监督目标检测效率,缩短运行时间至原来的三分之一。3.本文在分析影响CEM算法检测结果的因素后,发现图像像元的选择,可以改善自相关系数,因此提出MCEM目标检测算法。该方法首先对高光谱数据集进行光谱重排、一阶微分,增加目标与背景的差异性;计算目标光谱与数据集中像元光谱的相似度,求取CEM算法的自相关矩阵时去除与目标光谱相似度高的像元,减少自相关矩阵对目标的抑制。为进一步抑制背景,增加算法的普适性,加入对数算子。最后对合成高光谱数据和真实高光谱数据进行试验,结果表明,与传统算法相比,提出的MCEM算法可以对伪装目标进行有效识别,而且对小目标和大面积目标检测都具有适用性;同时算法具有较强的鲁棒性,可在信噪比低至23、伪装与背景的SAM值高达1.3的情况下正常运行。