高光譜圖像目標(biāo)稀疏檢測(cè)算法的研究.pdf

1、高光譜遙感是一種結(jié)合了光譜分析與圖像處理的多維信息獲取技術(shù)，除了目標(biāo)地物的空間信息，高光譜遙感技術(shù)還可以獲得覆蓋范圍很廣的光譜信息，這就使人們可以不僅通過(guò)形態(tài)信息，也可以通過(guò)包含更加豐富內(nèi)容的光譜信息來(lái)認(rèn)識(shí)一幅圖像。在高光譜圖像中，不同地物的光譜反射信息是完全不同的，這一特性是高光譜圖像處理技術(shù)的理論基礎(chǔ)，即無(wú)論是檢測(cè)、分類或者其他處理都可以基于光譜信息。一旦擁有了完備的光譜庫(kù)，對(duì)于高光譜圖像目標(biāo)檢測(cè)，就可以利用匹配的方法進(jìn)行，而且匹配

2、的結(jié)果只需要體現(xiàn)出待測(cè)像元是否為目標(biāo)即可，是簡(jiǎn)單的二分類問(wèn)題。稀疏表示算法是近年來(lái)學(xué)者們的研究熱點(diǎn)，它的特點(diǎn)恰好可以滿足高光譜圖像目標(biāo)檢測(cè)的需求，于是本文將二者結(jié)合，并對(duì)其做出了一定的改進(jìn)。本文的主要研究工作概括如下：
　　首先，由于高光譜圖像包含極為豐富的信息，所以其包含的數(shù)據(jù)量也就自然非常巨大，于是針對(duì)這一問(wèn)題，本文在對(duì)高光譜圖像處理技術(shù)以及稀疏表示算法的理論基礎(chǔ)進(jìn)行了細(xì)致研究的基礎(chǔ)上，將二者結(jié)合，利用了高光譜圖像稀疏度高的特

3、性，同時(shí)也從一定程度上減輕了高光譜圖像數(shù)據(jù)量大所帶來(lái)的運(yùn)算壓力。通過(guò)與傳統(tǒng)的高光譜圖像目標(biāo)檢測(cè)算法的對(duì)比實(shí)驗(yàn)，驗(yàn)證了稀疏檢測(cè)算法的有效性。
　　其次，針對(duì)稀疏表示算法中求解稀疏系數(shù)這一關(guān)鍵環(huán)節(jié)進(jìn)行了改進(jìn)。常用的稀疏系數(shù)求解算法運(yùn)算效率普遍不高，當(dāng)遇到類似高光譜圖像這種大數(shù)據(jù)時(shí)往往需要很長(zhǎng)的運(yùn)算時(shí)間，本文提出利用StOMP算法求解稀疏系數(shù)，實(shí)現(xiàn)了檢測(cè)精度無(wú)明顯下降的前提下對(duì)運(yùn)算速度的大幅提升，并用對(duì)比試驗(yàn)驗(yàn)證了StOMP算法的有效性

4、。
　　最后，本文提出了一種新的字典構(gòu)建方法，實(shí)現(xiàn)了不需要先驗(yàn)信息且檢測(cè)精度較高的高光譜圖像稀疏目標(biāo)檢測(cè)。以往從待檢測(cè)圖像直接抽取的字典構(gòu)造方法可以分為兩類：一是從待測(cè)圖像中抽取一定數(shù)量的像素點(diǎn)構(gòu)成字典；另一類是利用關(guān)于待測(cè)高光譜圖像的先驗(yàn)知識(shí)，擴(kuò)展構(gòu)成過(guò)完備字典。這兩種方法各有利弊，前者由于像元抽取數(shù)量的限制與抽取方法的不足，字典中包含的信息往往不夠充分，使得檢測(cè)效果不夠理想；后者的檢測(cè)效果優(yōu)于前者，但在實(shí)際應(yīng)用中，完備的先驗(yàn)知