高光譜遙感影像異常檢測算法研究.pdf

1、高光譜數(shù)據(jù)對于非監(jiān)督目標檢測有很大的潛力，因為圖像中的精確光譜特征能夠?qū)Φ厍虮砻嫖矬w和現(xiàn)象提供更多有用的信息。異常檢測是一種非監(jiān)督的自動目標檢測方法，在高光譜遙感中應用甚廣，如在地質(zhì)環(huán)境中對稀有礦物的研究，石油污染防護，及在公共安全和國防領域的監(jiān)測。應用高光譜圖像進行異常目標檢測是高光譜遙感最重要的應用之一，而異常目標檢測算法最為關(guān)鍵的是對背景的描述。論文主要工作包括以下：
　?。?）在假設影像服從高斯分布的條件下，采用全局 RX

2、（global RX:GRX）、局部RX（local RX:LRX）、聚類約束RX（cluster base RX:CLU-RX）和子空間RX（subspaced RX:SSRX）四種算法進行異常目標探測，結(jié)果表明，與其他三種算法相比，CLU-RX算法探測率較高，穩(wěn)定性較好。而RX和其他經(jīng)典算法受高斯假設的背景分布，不能有效地提取復雜背景中的異常目標。
　　（2）本文從稀疏表示模型出發(fā)，介紹了稀疏的概念，研究了稀疏的一般表示，稀疏

3、重構(gòu)算法及稀疏的分類模型；介紹了混合像元分解理論，其中包括端元提取算法及線性混合模型的求解。
　?。?）本文提出了一種以稀疏表示理論為基礎的新的異常目標檢測算法，該算法以一種新的方式來描述背景，而且亞像元異常目標具有一定效果。異常檢測中的主要問題是先驗信息的不足，本算法針對這個問題應用端元束的思想來描述背景，構(gòu)建冗余字典。該字典是由背景類的端元束構(gòu)成，然后采用稀疏回歸算法計算每個像元的重建誤差，以重建誤差作為異常檢測的異常指數(shù)，若