您的位置: turnitin查重官网> 下载中心 >基于光谱维变换高光谱图像目标探测

基于光谱维变换高光谱图像目标探测

收藏本文 2024-03-02 点赞:21589 浏览:96559 作者:网友投稿原创标记本站原创

摘要:高光谱遥感是20世纪80年代逐渐发展的新兴遥感技术,它在空间成像的同时下成百个连续的光谱通道,从图像的每一个像元均能提取出一条连续的光谱曲线,代表了像元对应地面瞬时视场区域中的地物平均反射光谱信息。因此,研究的高光谱图像探测正是基于高光谱图像光谱维分析以实现特定的和自动检测。基于高光谱图像对特定的探测是一个涉及光谱成像和像元光谱分析的复杂,本论文研究了多种光谱维去和光谱维投影变换方法。在系统总结前人研究成果的基础上,研究了与高光谱遥感探测的探测算法设计、种类划分及其模型评价等问题。概率密度模型和子空间模型了探测算法的讨论、设计和实验。论文的主要研究工作和成果包括在以下五个:1.将MNF变换和NAPC变换当成两种不同的数学变换方法展开讨论,证明两者的等效性。随后具体实验阐明:高光谱数据样本的空间分布对基于MNF变换的特征提取结果影响。随后地物混杂下分类效果不佳问题,了一种优化噪声协方差矩阵评估的MNF改进算法。该算法高光谱图像中很难找到同类均匀地块的情况,更加的数据降维和噪声分离处理。2.为了综合评估各种高光谱图像探测算法性能,总结了应用于各个领域的探测算法性能指标,如虚警概率和检测概率、恒虚警概率、超标概率、信杂比、ROC曲线等,并在实验中依据该指标因素全面地评价了各种探测算法。3.将各种基于概率密度模型探测算法在白化空间中统一描述,白化空间中和背景分布之间决策边界选择问题,背景在白化空间中服从正态分布的检测设,了基于椭圆轮廓分布的双曲线决策门限型探测算法和抛物线决策门限型探测算法,实验证明这两种探测算法在检测概率上优于ACE探测算法。4.将各种基于子空间投影的探测算法在光谱向量欧氏空间中统一描述,证明探测算法的等效性,并了一种基于斜子空间投影的广义化似然比(GLRT)探测算法,实验证明,在背景特征向量不完备表述背景子空间的时候,该探测算法优于GLRT探测算法的性能。5.在试图将MNF变换应用于以CEM算法为代表的概率密度模型算法和以OSP算法为代表的子空间模型算法中,发现MNF变换中的典型特征向量准确表述背景子空间,而非图像子空间。因此,将其用在基于背景正交子空间投影的探测算法更好的探测性能,于是了一种基于MNF变换的非监督OSP算法,并取得了较好的实验结果。关键词:高光谱遥感论文探测论文噪声评估论文光谱维变换论文白化空间论文子空间投影论文

    摘要4-6

    Abstract6-8

    常用缩写对照表8-9

    本论文数学公式符号约定9-13

    章 引言13-30

    1.1 选题研究目的及13-14

    1.2 国内外研究概况和发展趋势14-26

    1.2.1 高光谱图像探测的遥感14-16

    1.2.2 空间维探测和图像光谱维探测比较16-18

    1.2.3 高光谱图像光谱变换技术研究现状18-23

    1.2.4 高光谱探测技术研究现状23-26

    1.3 论文的研究内容26-30

    1.3.1 论文研究26-28

    1.3.2 章节内容安排28-29

    1.3.3 论文所的数据源29-30

    章:基于光谱维变换的高光谱图像分析30-67

    2.1 高光谱数据去变换方法研究31-47

    2.1.1 与空间分布无关的去变换法32-35

    2.1.2 与空间分布有关的去变换法35-47

    2.2 地物混杂条件下的改进MNF 变换算法47-59

    2.2.1 实际的问题47-48

    2.2.2 MNF 变换结果受样本空间分布影响分析48

    2.2.3 改进NCM 评估的MNF 变换法48-49

    2.2.4 地物混杂对分类精度的影响分析49-52

    2.2.5 基于MNF 变换的分类方法的改进52-54

    2.2.6 用改进的MNF 变换法分类模拟实验54-56

    2.2.7 改进的MNF 变换法应用实例分析56-59

    2.3 探测中光谱维变换法探讨59-66

    2.3.1 高光谱数据白化变换59-62

    2.3.2 高光谱数据子空间投影变换法62-65

    2.3.3 基变换和向量投影65-66

    2.4 小结66-67

    章:基于概率统计模型的探测研究67-116

    3.1 探测分析模型建立68-80

    3.1.1 概率密度模型68-69

    3.1.2 子空间模型69-71

    3.1.3 探测算法设计一般71-72

    3.1.4 探测算法种类划分72-73

    3.1.5 探测算法性能评估参数设定73-80

    3.2 一些经典的探测算法讨论80-84

    3.2.1 光谱角度和光谱欧氏距离80-81

    3.2.2 正交子空间投影算法81-82

    3.2.3 CEM 算法82-84

    3.3 基于统计模式识别的探测分析84-99

    3.3.1 NP 决策方法分析85-88

    3.3.2 Fisher 准则用于高光谱探测88-90

    3.3.3 异常探测算法(RXD)90-92

    3.3.4 探测算法在白化空间中的讨论92-94

    3.3.5 探测算法门限94-95

    3.3.6 算法讨论总结95-96

    3.3.7 ROC 曲线和讨论96-99

    3.4 ACE 和AMF 探测算法研究99-104

    3.4.1 混合模型下的探测算法100-103

    3.4.2 ACE 和AMF 在白化空间中的讨论103-104

    3.5 椭圆形轮廓分布探测算法104-115

    3.5.1 ECD 背景模型104-109

    3.5.2 ECD 探测算法设计109-113

    3.5.3 抛物线门限型ECD 探测算法113-115

    3.6 小结115-116

    章:基于子空间模型的探测研究116-140

    4.1 监督亚像元探测讨论116-125

    4.1.1 约束下的干扰最小化滤波算法-TCIMF117-118

    4.1.2 特征子空间投影法-SSP118-119

    4.1.3 子空间投影法-TSP119-120

    4.1.4 斜子空间投影法-OBSP120-122

    4.1.5 广义化似然比探测算法-GLRT122-125

    4.2 非监督亚像元探测125-134

    4.2.1 非监督OSP 法-UOSP126-128

    4.2.2 非监督向量量化子空间投影法-UVQTSP128-132

    4.2.3 非监督生成处理法-UTGP132-134

    4.3 几种异常探测算法134-136

    4.3.1 低概率探测算法-LPTD134-135

    4.3.2 均衡探测算法-UTD135

    4.3.3 RXD 均衡探测算法-RXD-UTD135-136

    4.4 基于斜子空间投影的GLR 探测算法-OBSP-GLRT136-139

    4.4.1 问题136-137

    4.4.2 OGLRT 算法设计137-138

    4.4.3 OGLRT 与其它探测算法在同一空间中的比较138-139

    4.5 小结139-140

    第五章:各种探测算法性能评估实验140-177

    5.1 线性混合光谱模拟实验140-161

    5.1.1 实验内容设计140-142

    5.1.2 概率密度模型算法实验142-147

    5.1.3 子空间模型算法实验147-158

    5.1.4 线性混合光谱模拟实验总结158-161

    5.2 真实场景高光谱图像实验161-175

    5.2.1 人工探测实验数据准备161-163

    5.2.2 概率统计模型算法比较163-165

    5.2.3 MNF CEM、UOSP 算法实验165-168

    5.2.4 子空间模型算法比较168-171

    5.2.5 蚀变岩探测实验171-174

    5.2.6 真实场景图像实验总结174-175

    5.3 小结175-177

    第六章 和展望177-180

    6.1 主要成果和创新点177-178

    6.2 未来研究发展展望178-180

copyright 2003-2024 Copyright©2020 Powered by 网络信息技术有限公司 备案号: 粤2017400971号