基于稀疏性的高光谱图像亚像元目标检测研究

《基于稀疏性的高光谱图像亚像元目标检测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、声明本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。研究生签名：三护f牛年弓月27E1学位论文使用授权声明南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或上网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文，按保密的有关规定和程序处理。研究生签名：劢斗

2、年弓月z7日硕士论文基于稀疏性的高光谱图像亚像元目标检测研究摘要lIIIItlIIIIIIIIIIIIIlY2520419高光谱图像光谱分辨率高，具有图谱合一的特性，能够提供区分不同物质的诊断性光谱信息，结合该光谱信息可提高对目标和背景进行定量分析的能力，因此高光谱目标检测技术在目标检测领域具有独特的优势。由于地物分布情况复杂和成像光谱仪空间分辨率的较低等原因，待检测的目标通常与其他地物共同组成混合像元，此时目标以亚像元形式存在。高光谱亚像元目标检测是目标检测研究的前沿和难点，本文着眼于如何利用高光谱数据的稀疏性提高检测效果，对高光谱图像亚像元目

3、标检测技术进行了研究，主要工作和成果如下：1．研究了高光谱遥感图像的光谱混合模型，详细的介绍了多元信号估计和信号检测理论，推导了四种经典的亚像元目标检测算法——约束能量最小化方法(CEM)、基于加权样本自相关矩阵的CEM、正交子空间投影算法(osv)、适应匹配子空间检测算法(AMSD)，并在第四章用实验证明了这些算法的可行性。2．给出了基于稀疏约束的线性混合光谱分解模型，推导了四种经典的稀疏性解混算法——正交匹配追踪算法(OMP)、迭代光谱混合分析算法(ISMA)、变量分离的增广拉格朗日算法(SUNSAL)、基于加权L1正则化的SUNSAL算法，

4、给出了这四种算法的具体实现步骤，并提出了基于L1／2正则化的稀疏性解混方法。实验证明基于L1／2正则化的稀疏性解混方法在图像信噪比较小的情况下性能比其他四种算法好而且更加稳定。3．利用高光谱数据的稀疏性进行目标检测。本文将稀疏性分解算法和自适应匹配子空间检测算法相结合提出了SU．AMSD算法，并介绍了该算法的基本流程与具体实现。为了提高目标检测的效率与精度，本文对该算法进行了改进，提出了一种基于Lib—lEA的SU-AMSD算法。实验证明，与上面介绍的四种经典亚像元目标检测算法相比基于光谱库和lEA算法的SU-AMSD算法的效果更好，而基于Lib

5、—IEA的SU-AMSD算法则没有达到预期的目标。关键词：高光谱图像，亚像元，目标检测，稀疏性AbstractHyperspectralimagerywithhighspectralresolutionhastheuniquecharacteristicofacqurangspectralandspatialinformationsimultaneously．Differentmaterialsaredistinguishablebythespectraldifferencerevealedinhyperspectralimages．Theuni

6、quecnaracteristicofhyperspectralimagebringsthehyperspectraldetectionadvantagesⅥ血endea』1ng、)l，lmtargetdetectionproblemundercomplexconditions．BecauseofthecomplexdistributionofdifferentgroundobjectsandthelimitedspatialresolutionofthehypersDectralⅡnages，apixelinthehyperspectralim

7、agesisusuallycomposedofdifferentlandobjectsandthetargetsusuallyresideinthesub-pixelscale．SubpixeltargetdetectionaSadifficultvfortargetderectionhasattractedtheattentionofresearchersinrecentdecades．OurresearchmainlyfocusesonhowtOusethesparsityofhyperspectraldatatoenhaJlcethedet

8、ection．ThemainworkandcontributionsofthisdissertationareaSfollows：1．W