高光譜實(shí)時(shí)目標(biāo)檢測算法研究.pdf

1、隨著成像光譜技術(shù)的發(fā)展及光譜分辨率的不斷提高，高光譜遙感圖像處理技術(shù)得到了越來越廣泛的關(guān)注。高光譜遙感圖像數(shù)據(jù)以其極其豐富的光譜信息反映出地物目標(biāo)的微小差異，從而能夠發(fā)現(xiàn)很多在傳統(tǒng)單波段圖像或多光譜圖像中難以甚至無法檢測到的地物目標(biāo)。在實(shí)際高光譜目標(biāo)檢測中，實(shí)現(xiàn)實(shí)時(shí)檢測尤為重要，這是因?yàn)樵S多異常目標(biāo)如運(yùn)動目標(biāo)，它的停留時(shí)間非常短暫，會突然出現(xiàn)并很快消失。要想實(shí)現(xiàn)這種運(yùn)動目標(biāo)的檢測，檢測算子必須是實(shí)時(shí)的。另一方面，隨著現(xiàn)代遙感技術(shù)的飛速發(fā)

2、展，高光譜遙感圖像在獲取更加豐富地物信息的同時(shí)，其迅速膨脹的數(shù)據(jù)量也給數(shù)據(jù)存儲、衛(wèi)星下行傳輸以及后續(xù)處理帶來了巨大壓力。實(shí)現(xiàn)實(shí)時(shí)處理可以減緩數(shù)據(jù)傳輸壓力，也就相應(yīng)減少了數(shù)據(jù)壓縮下傳而導(dǎo)致的信息損失，減少了地面數(shù)據(jù)存儲和處理工作量，提高了圖像分類和目標(biāo)檢測的效率。本文主要研究成像光譜儀在獲取數(shù)據(jù)的同時(shí)進(jìn)行實(shí)時(shí)檢測方法的實(shí)現(xiàn)，以現(xiàn)代數(shù)據(jù)處理技術(shù)和高光譜異常檢測理論為基礎(chǔ)，在不影響檢測效果的前提下，重點(diǎn)關(guān)注擺掃型和框幅型成像光譜儀目標(biāo)檢測算法

3、的遞歸更新和實(shí)時(shí)處理，實(shí)現(xiàn)具有因果性和時(shí)效性的高光譜圖像目標(biāo)檢測技術(shù)。本文的主要研究內(nèi)容如下：
　　首先，針對現(xiàn)有的高光譜實(shí)時(shí)目標(biāo)檢測算法大多為快速算法，而并不是真正的實(shí)時(shí)算子這一現(xiàn)象，提出了基于成像儀成像機(jī)理的高光譜實(shí)時(shí)檢測算子需滿足的基本條件：1)因果性。因果性是實(shí)時(shí)檢測算法的必要前提，是指算法所需要的所有信息都來自光譜儀已獲取的數(shù)據(jù)，而不需要用到后續(xù)數(shù)據(jù)信息。對于不同的成像光方式，這種因果性可以有pixel-by-pixel

4、，line-by-line和band-by-band三種情況，分別針對擺掃型、推掃型和框幅型成像光譜儀；2)時(shí)效性。在滿足因果性算子的同時(shí)，要求算法處理時(shí)間必須是非常短的。從實(shí)際應(yīng)用角度來說，不同應(yīng)用領(lǐng)域?qū)λ阕拥臅r(shí)間延遲具有不同的要求。對于戰(zhàn)場中運(yùn)動目標(biāo)的探測對時(shí)效性的要求是非常高的，這就要求算子運(yùn)行時(shí)間必須非常短；對于農(nóng)業(yè)應(yīng)用中對農(nóng)作物的監(jiān)測，幾分鐘甚至幾個(gè)小時(shí)的延時(shí)都可認(rèn)為是實(shí)時(shí)的或者近似實(shí)時(shí)的；而對于生態(tài)學(xué)中對物種遷移的監(jiān)測，對實(shí)

5、時(shí)性的要求可放寬至幾天甚至幾個(gè)月。
　　其次，由于RX算子是通過測量待檢測像元與背景均值的馬氏距離來進(jìn)行異常分析，需要計(jì)算采樣數(shù)據(jù)的均值及協(xié)方差矩陣，而這兩個(gè)統(tǒng)計(jì)特性都需要提供完整的高光譜數(shù)據(jù)信息，因而 RX需要得到完整的數(shù)據(jù)信息后才能進(jìn)行異常探測，并不是實(shí)時(shí)算子。針對這一問題，提出一種基于像元遞歸的高光譜實(shí)時(shí)異常檢測方法。該方法借鑒卡爾曼濾波器的遞歸分析思想并利用Woodbury引理推出算子遞歸更新方程，使得算子能夠根據(jù)上一時(shí)刻

6、(上一個(gè)待檢測像元時(shí)刻)的狀態(tài)和新信息更新目前狀態(tài)，避免了重新計(jì)算歷史信息及存儲所有像元，在保證相同檢測效果和縮短運(yùn)行時(shí)間的同時(shí)，大大降低了所需的存儲空間。
　　第三，針對全局檢測算法對小目標(biāo)和局部異常目標(biāo)檢測效果不理想這一問題，提出了具有實(shí)時(shí)特性的高光譜局部異常檢測算法。該算法引用傳統(tǒng)的局部窗概念，首先提出了具有因果特性的滑動矩陣窗(Causal Matrix Window,CMW)。由于CMW局部窗口仍然需重復(fù)進(jìn)行統(tǒng)計(jì)特性(均

7、值和協(xié)方差矩陣)計(jì)算，增大算子的延遲時(shí)間，因而改進(jìn)了因果窗的表現(xiàn)形式，提出了具有遞歸特性的滑動陣列窗(Causal Array Window,CAW)，從而使得局部異常檢測算子能夠?qū)崿F(xiàn)遞歸更新，滿足實(shí)時(shí)算法所需的因果性和時(shí)效性，進(jìn)而實(shí)現(xiàn)基于滑動實(shí)時(shí)窗的高光譜局部實(shí)時(shí)檢測算法。
　　然后，在實(shí)時(shí)檢測過程中發(fā)現(xiàn)，背景抑制對高光譜目標(biāo)檢測，尤其是異常目標(biāo)檢測具有重要的影響，這是因?yàn)樵趯?shí)際應(yīng)用中真實(shí)地物分布往往是無法得知的，在這種情況下，

8、檢測的性能往往取決于視覺效應(yīng)，此時(shí)檢測結(jié)果最重要的因素不僅僅是檢測結(jié)果灰度值(強(qiáng)度)，還包括對比度，也就是說，背景信息與目標(biāo)的對比度直接影響檢測結(jié)果的視覺效應(yīng)，因此背景信息抑制是提高目標(biāo)檢測算法性能的重要手段。本文通過研究目標(biāo)光譜對背景統(tǒng)計(jì)估計(jì)的影響，提出了一種基于目標(biāo)光譜去除的自適應(yīng)背景平滑方法，并分別針對未知任何先驗(yàn)信息和已知感興趣目標(biāo)光譜兩種情況，提出了自適應(yīng)背景平滑的RX實(shí)時(shí)異常檢測和自適應(yīng)背景平滑的CEM實(shí)時(shí)目標(biāo)檢測。

9、　　最后，針對所提算法都是基于擺掃型成像光譜儀逐像元成像的原理進(jìn)行建模，不適用與其他成像光譜儀這一問題，研究基于框幅型成像光譜儀的實(shí)時(shí)算子。對于框幅型成像光譜儀，其成像方式不再是逐像元成像，而是逐波段獲取圖像數(shù)據(jù)，基于像元更新的實(shí)時(shí)檢測模型將不再適用。針對這一問題，提出了一種基于波段遞歸更新的高光譜目標(biāo)檢測方法，分別給出了在已知感興趣目標(biāo)光譜和未知目標(biāo)光譜下的PBCEM和PBRXD算子，實(shí)現(xiàn)框幅型成像光譜儀在獲取數(shù)據(jù)同時(shí)可以得到當(dāng)前檢測