基于數(shù)據(jù)源優(yōu)化的高光譜圖像異常檢測(cè)算法研究.pdf

1、高光譜遙感圖像憑借其較高的光譜分辨率，具有區(qū)分微小光譜差異地物的能力，且不需要任何先驗(yàn)光譜信息，因而具有較強(qiáng)的實(shí)用性，現(xiàn)已成為目標(biāo)檢測(cè)領(lǐng)域中的一個(gè)研究熱點(diǎn)，受到國(guó)內(nèi)外學(xué)者的高度重視。本文在深入分析高光譜圖像數(shù)據(jù)結(jié)構(gòu)及特點(diǎn)的基礎(chǔ)上，運(yùn)用現(xiàn)代信號(hào)處理技術(shù)，針對(duì)高光譜圖像異常檢測(cè)中的高數(shù)據(jù)維、波段間非線性相關(guān)性、混合像元中背景信息對(duì)異常檢測(cè)的干擾等問(wèn)題，做了以下三方面的研究：
　　 首先，在研究高光譜圖像數(shù)據(jù)降維技術(shù)的基礎(chǔ)上，針對(duì)異常

2、目標(biāo)的分布特點(diǎn)，提出了基于選擇性分段主成分分析的高光譜圖像異常檢測(cè)算法。該算法根據(jù)高光譜圖像波段之間的分塊相關(guān)性，在自適應(yīng)子空間分解技術(shù)得到的各波段子集上分別采用主成分分析算法，去除波段之間的相關(guān)性，繼而根據(jù)衡量存在異常目標(biāo)可能性大小的局部平均奇異度統(tǒng)計(jì)量選取合適的主成分作為后續(xù)非線性KRX異常檢測(cè)的數(shù)據(jù)源。該算法不僅極大地減少了高光譜圖像的數(shù)據(jù)量，而且能夠有效地保留圖像的異常目標(biāo)信息。
　　 其次，在分析線性混合模型理論的基礎(chǔ)

3、上，提出了一種基于背景誤差累積的高光譜圖像異常檢測(cè)算法。該算法在各波段子集上采用主成分分析算法提取主要能量信息作為背景子空間，通過(guò)將圖像正交投影到背景子空間，得到抑制背景突顯目標(biāo)的背景誤差數(shù)據(jù)，用于后續(xù)KRX異常檢測(cè)。該算法抑制了背景信息對(duì)目標(biāo)檢測(cè)的干擾，而且有效地利用了高光譜圖像的非線性信息，取得了較好的檢測(cè)效果。
　　 最后，針對(duì)KRX算法中因異常點(diǎn)混入背景數(shù)據(jù)而造成背景核矩陣退化的問(wèn)題，本文提出了基于目標(biāo)正交子空間投影加權(quán)