面向異常檢測的多源遙感影像融合技術(shù)研究.pdf

1、隨著遙感技術(shù)的發(fā)展，當前的遙感圖像數(shù)據(jù)正在向多源、多分辨率及多傳感器發(fā)展。這些多源數(shù)據(jù)既包含互補信息，也包含重復的冗余信息。于是，如何更加有效地利用多源圖像數(shù)據(jù)，從而獲得更全面且準確的解譯信息，成為了近年來遙感圖像處理領(lǐng)域的研究熱點。但由于后續(xù)的應用目的不同，目前并不存在適用于所有應用的融合方法。目標識別是高光譜圖像的最重要的應用之一，而其中的異常檢測技術(shù)由于其不需要先驗信息、對場景的魯棒性強等特點，近年來成為研究者關(guān)注的問題。但是，由

2、于感興趣的目標往往尺寸較小，而高光譜圖像的分辨率相對較低，因此異常檢測的準確率會受到影響。如果借助同場景的高分辨率全色圖像的輔助，則能夠?qū)崿F(xiàn)對異常目標的更精確的檢測。因此，本文以多源遙感圖像為基礎(chǔ)，研究面向異常檢測技術(shù)的多源融合方法。
　　首先，本文對于高光譜圖像與高分辨率全色圖像的像素級融合方法進行了研究。經(jīng)過對經(jīng)典的主成分分析、小波變換、Schmidt正交變換、ARSIS框架融合方法的實驗比較之后，對于融合結(jié)果最優(yōu)的ARSIS

3、框架進行深入研究，并基于其提出了改進的像素級融合方法，對于該方法進行了主客觀兩方面的評價，客觀評價中包括基于圖像的評價和面向應用的評價，較為全面地驗證了本文提出的改進算法的優(yōu)越性。
　　其次，本文對于高光譜圖像的異常檢測方法進行了研究。通過對于異常檢測技術(shù)的基本原理和經(jīng)典的異常檢測算法的研究，分析了現(xiàn)有方法在高光譜圖像背景建模上的不足之處，從而提出了新的基于橢球等高分布和有限混合模型的改進的異常檢測算法。分別使用仿真數(shù)據(jù)和真實數(shù)據(jù)

4、進行了實驗，通過對比經(jīng)典方法和改進方法的檢測結(jié)果和檢測的ROC曲線，驗證了本文異常檢測算法的效果。另外，通過對比各算法的運算時間，驗證了本文算法的高效性。
　　最后，綜合上述兩部分的結(jié)果，本文對于多源圖像的異常檢測方法進行了研究，分別探究了像素級融合和決策級融合對于異常檢測的效果。對于像素級融合，采用改進的融合方法和異常檢測方法對于多源圖像進行處理；對于決策級融合，分別采用線性一致理論和D-S證據(jù)理論進行融合。分別采用不同分辨率的