高光譜圖像目標檢測及壓縮方法研究.pdf

1、高光譜遙感有機地結合了成像光譜處理技術和目標探測技術，能夠同時以極窄間隔獲取成百上千個波段的光譜數(shù)據(jù)。這些像元點上的一維光譜信息數(shù)據(jù)與地物分布的二維空間信息數(shù)據(jù)的集合就構成了高光譜圖像的“數(shù)據(jù)立方體”。高光譜圖像能夠顯現(xiàn)許多隱藏在較窄光譜波段上的地物特征，進而解決一些在普通及多光譜遙感中無法處理的圖像問題。圖像中不同地物構成的目標或對象，其像元光譜向量反映了該目標或對象在不同波段上的特殊幅值，這就奠定了成功進行高光譜圖像目標檢測的理論基

2、礎。另外，隨著高光譜圖像的光譜和空間分辨率的不斷提升，高光譜“數(shù)據(jù)立方體”的體積也不斷擴大，促使圖像數(shù)據(jù)壓縮成為一種必需的高光譜圖像處理技術。為此，本文在分析高光譜圖像處理的基本理論、現(xiàn)有算法以及相關處理技術的基礎之上，重點研究了高光譜圖像的目標檢測和圖像數(shù)據(jù)壓縮技術。
　　在高光譜圖像的目標檢測方面，研究了稀疏表示在目標檢測領域中的作用。文中主要從兩個角度對稀疏表示算法進行探索：一方面研究高光譜圖像中蘊含的空間信息在稀疏表示目標

3、檢測中的作用；另一方面研究稀疏超完備字典的優(yōu)化問題。
　　由于基礎的稀疏表示模型在進行高光譜圖像目標檢測處理時，主要使用圖像數(shù)據(jù)中蘊含的光譜信息，僅僅單獨地考慮每個像元的光譜曲線和其對應的稀疏表示向量，并沒有利用高光譜圖像中蘊含的空間信息。為了提高目標檢測的性能，提出基于空間支持的稀疏表示算法進行高光譜圖像目標檢測?？紤]高光譜圖像中蘊含的空間相關性，研究和探索其在高光譜圖像目標檢測中的作用，先后針對高光譜圖像的4-鄰域空間、自適應

4、空間、以及非連通空間的空間相關性進行研究，將目標像元及其4-鄰域、自適應空間支持區(qū)域或非連通空間區(qū)域中像元的稀疏表示綜合考慮，提高目標檢測算法的效果和效率。仿真實驗結果表明，使用空間支持后的稀疏表示算法對高光譜圖像進行目標檢測時，其檢測效果和計算效率都有一定程度的提高。
　　對基于稀疏表示的高光譜圖像目標檢測中所使用的稀疏字典問題進行研究，已有的稀疏表示算法需要給定一個超完備字典，其包含大量的字典原子。而在稀疏表示系數(shù)中，大部分系

5、數(shù)的權值為零。這樣，這些稀疏字典原子在計算像元的稀疏表示中就可以直接地忽略。為此，提出一種基于自適應子空間的稀疏表示高光譜圖像目標檢測算法?；趫D像中像元光譜的相似性，該方法使用 k近鄰搜索(k-NN)算法從初始的超完備字典中，自適應的選擇與當前要計算的像元光譜較為相似的稀疏字典原子，構成自適應子字典。仿真實驗結果表明，使用基于自適應子字典的稀疏表示算法，檢測高光譜圖像中的目標時，其檢測效果有一定程度的提高，同時計算效率也有較大程度的提

6、升。
　　在高光譜圖像壓縮方面，文中主要從兩個角度對壓縮算法進行了研究：一是基于目標分布改進 DCT的高光譜圖像壓縮方法；二是多元向量量化的高光譜圖像壓縮方法。對于基于目標分布改進 DCT的高光譜圖像壓縮方法，由于一般的壓縮算法在處理圖像數(shù)據(jù)時，對圖像不同區(qū)域的數(shù)據(jù)一視同仁，而這些區(qū)域包含有不同的地物，其復雜分布對壓縮算法的性能產(chǎn)生了很大程度的影響。尤其是對于圖像中存在感興趣目標的高光譜圖像，一般的壓縮方法很容易丟失目標的信息。根

7、據(jù)圖像中包含的不同地物內容而采取不同的壓縮和編碼處理，提取圖像中包含的目標區(qū)域子圖像，然后單獨對其進行壓縮；進而使用保證背景區(qū)域更為平滑的背景均值來填充因為移除目標區(qū)域而形成的空間缺失，修補后的圖像將具有一個更為均質的背景，然后將其作為一個整體壓縮。算法在保持重建圖像質量和后續(xù)目標檢測準確性的基礎之上，有效地壓縮高光譜圖像數(shù)據(jù)。將這一基于目標分布的壓縮方案應用于二維和三維離散余弦變換(2D/3D DCT)壓縮算法中，重建圖像的定量評估表

8、明：提出的基于目標分布改進 DCT的壓縮方法能夠提供比通用壓縮方法更好的圖像質量和更高的目標檢測準確度。
　　對于多元向量量化的高光譜圖像壓縮方法，考慮DCT變換受到圖像Block塊的影響，使用基于向量量化算法的高光譜圖像壓縮方法。然而傳統(tǒng)的向量量化方法在壓縮圖像時，僅僅使用壓縮字典中的一個碼字來表示像元光譜，將像元光譜與選出的字典碼字的差值直接忽略，這就不可避免地造成了圖像信息損失。為此，提出一種多元向量量化的方法，該方法選用壓

9、縮字典中的兩個字典碼字來表示像元光譜向量，并使用了分別具有兩個參數(shù)權值和一個參數(shù)權值的多元向量量化模型，然后分別對索引地圖和權重系數(shù)進行壓縮；壓縮所使用的兩個壓縮字典原子可以使用所提出的三種壓縮字典原子選擇方案來選取。為了使基于向量量化方法能夠更好的處理高光譜圖像壓縮問題，提出一種基于模糊C均值(FCM)聚類的壓縮字典設計方法。仿真實驗結果表明，使用多元向量量化的高光譜圖像壓縮方法能夠在一個稍高的壓縮比特率級別上壓縮圖像，得到比傳統(tǒng)的向