基于高光譜圖像的小目標(biāo)檢測(cè).pdf

1、高光譜圖像擁有成百甚至上千個(gè)波段，具有圖譜合一的特點(diǎn)，與多光譜圖像相比，不僅分辨率更高，而且包含更加豐富的空間和地物信息，通過對(duì)比分析目標(biāo)光譜曲線，可以完成在其它成像模態(tài)下難以完成的目標(biāo)檢測(cè)任務(wù)。高光譜圖像的目標(biāo)檢測(cè)通常包含圖像降維、混合像元分解以及目標(biāo)檢測(cè)與識(shí)別等環(huán)節(jié)，論文圍繞高光譜圖像的小目標(biāo)檢測(cè)問題開展研究，主要研究工作如下：
　　研究了高光譜圖像數(shù)據(jù)的降維及混合像元分解，在這兩個(gè)方面對(duì)幾種算法進(jìn)行了實(shí)現(xiàn)，完成高光譜圖像的降

2、維、目標(biāo)端元提取以及豐度反演等功能，結(jié)合實(shí)驗(yàn)對(duì)算法進(jìn)行了分析和總結(jié)。
　　對(duì)經(jīng)典的高光譜圖像目標(biāo)檢測(cè)算法進(jìn)行了介紹和分析，在有限的實(shí)驗(yàn)數(shù)據(jù)條件下，通過在高光譜圖像中線性植入目標(biāo)的模擬成像方式，對(duì)幾種目標(biāo)檢測(cè)算法進(jìn)行了實(shí)驗(yàn)評(píng)估與分析。
　　針對(duì)高光譜圖像目標(biāo)檢測(cè)中容易出現(xiàn)的過擬合現(xiàn)象，提出了一種基于稀疏矩陣變換（sparse matrix transform，SMT）的正則化框架，這個(gè)框架能夠很好的與需要求解逆矩陣的目標(biāo)檢測(cè)算