發(fā)布時間：2021-11-26 05:55

　　傳統(tǒng)高光譜異常檢測算法由于背景信息估計不準確等原因普遍存在高虛警率的問題,針對這一現(xiàn)象,提出了一種利用圖像均值進行匹配改進的高光譜異常目標檢測后驗處理方法。首先采用傳統(tǒng)的高光譜異常檢測算法將待檢測高光譜圖像劃分為背景與異常目標潛在區(qū)域,之后通過對待測圖像求解均值,將其與異常目標潛在區(qū)域像元進行相似性匹配計算,剔除大范圍誤檢像元,得到最終檢測結果。該方法在傳統(tǒng)異常目標檢測算法基礎上進行相似度量剔除大范圍虛警像元,在提高原算法探測能力的同時有效地降低虛警率。實驗表明,該方法可以有效降低虛警率,提高原算法對于亞像元異常目標的檢測能力,且對于不同算法、不同數(shù)據(jù)具有普適性。 

【文章來源】：遙感信息. 2020,35(01)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

光譜角匹配示意圖

RXD與LPTD異常探測算法以待測圖像中像元能量值大小衡量像元是否異常，有一定的局限性，沒有充分利用異常目標的其他性質。本文所提方法加入異常目標統(tǒng)計分布特征，認為異常目標在圖像中所占面積較小，偏離圖像整體像元的頻數(shù)分布，方法流程如圖2所示。首先采用傳統(tǒng)異常探測算法進行預檢測，本文選用常用的全局RXD算法及LPTD算法，設定合理閾值得到異常目標潛在區(qū)域，此時閾值設定應盡可能地讓更多的目標像元通過。隨后對待測圖像求解均值向量，該向量表征了待測圖像統(tǒng)計分布的中心位置，具有待測圖像的總體的平均波段特征，將其與預處理得到的異常目標潛在區(qū)域像元做光譜相似性計算，剔除與圖像整體分布相近的像元，得到最終的異常目標檢測結果，本文采用光譜夾角作為光譜相似性計算標準。2 實驗與分析

實驗圖像如圖3(a）所示，模擬異常像元位置如圖3(b）所示。該數(shù)據(jù)為PHI傳感器獲得的常州夏橋地區(qū)影像，尺寸為240像元×240像元，共80個有效波段（除去含水波段與噪聲波段）。在一些像素中加上目標光譜，該圖像的背景主要由植被、水、土壤構成，實驗中選擇水泥的光譜作為目標光譜，以100個像素添加，并將這些像素中的原始背景光譜作為背景并相應地減少。根據(jù)目標的豐度，將100個像素劃分為10組。第一行像素具有10%目標和90%背景。第二行有20%目標和80%背景。

【參考文獻】：
期刊論文
[1]新型高光譜圖像快速實時目標檢測與分類方法[J]. 付立婷,鄧河,劉春紅.  光學學報. 2017(02)
[2]基于多孔徑映射的高光譜異常檢測算法[J]. 李敏,朱國康,張學武,范新南,李普煌.  測繪學報. 2016(10)
[3]中國高光譜遙感的前沿進展[J]. 童慶禧,張兵,張立福.  遙感學報. 2016(05)
[4]采用多項式遞歸核的高光譜遙感異常實時檢測算法[J]. 趙春暉,尤偉,齊濱,王佳.  光學學報. 2016(02)
[5]一種基于背景自學習的高光譜圖像生物信息提取方法[J]. 張玉香,高旭楊,王挺,張樂飛,杜博.  計算機科學. 2015(04)
[6]基于粒子群優(yōu)化聚類的高光譜圖像異常目標檢測[J]. 成寶芝,趙春暉.  光電子.激光. 2013(10)
[7]顧及局域信息的核化正交子空間投影目標探測方法[J]. 王挺,杜博,張良培.  武漢大學學報(信息科學版). 2013(02)
[8]基于最小噪聲分離的約束能量最小化亞像元目標探測方法[J]. 杜博,張良培,李平湘,鐘燕飛.  中國圖象圖形學報. 2009(09)
[9]基于低概率檢測的高光譜圖像有損壓縮方法研究[J]. 張立燕,諶德榮,李世義,曹旭平.  彈箭與制導學報. 2008(01)

博士論文
[1]基于高光譜遙感影像稀疏性的小目標探測研究[D]. 張玉香.武漢大學 2016
[2]高光譜遙感圖像目標探測與分類技術研究[D]. 耿修瑞.中國科學院研究生院（遙感應用研究所） 2005



本文編號：3519531