学位论文 > 优秀研究生学位论文题录展示

高光谱图像异常检测方法研究

作　者: 李智勇
导　师: 沈荣骏；郁文贤
学　校: 国防科学技术大学
专　业: 信息与通信工程
关键词: 高光谱异常检测线性混合模型端元提取本征维数超平面
分类号: TN911.73
类　型: 博士论文
年　份: 2004年
下　载: 791次
引　用: 31次
阅　读: 论文下载

内容摘要

高光谱探测技术已成为一种重要的军事侦察手段。异常检测算法能够在没有先验光谱信息的情况下检测到与周围环境存在光谱差异的目标，具有较强的实用性，并成为了一个重要的研究热点。本文在深入分析高光谱数据特点的基础上，系统地研究了基于光谱维的图像异常检测方法。论文首先从高光谱图像的成像机理入手，阐述了造成波谱变化的大气因素、传感器因素和光谱混合的物理机理；从图像数据角度分析了波段图像的统计特性和信噪比，为异常检测算子的构建和仿真数据的生成提供了理论依据。在研究纯点模型理论的基础上，论文分析了基于纯点模型的似然比异常检测算法；探讨了后验信息对异常检测算法的影响；对基于干扰模型的广义似然比检测算子进行了推导；依据异常在高维空间中的几何特点，提出了一种基于转动惯量分析的异常检测算法，提高了检测与背景光谱差异较小的异常的能力。在分析线性混合模型理论的基础上，从异常检测的角度，论文阐述了端元的物理意义和几何意义；论文综合比较了提取几何顶点和提取均值波谱方法之间的差异，并提出了一种改进的IEA(Iterative Error Analysis)端元提取算法；针对端元数目确定问题，论文论证了线性混合模型与本征维数之间的关系，提出了利用本征维数来求取端元数目的新思路。论文对基于混合模型的异常检测算法进行了分类；推导了基于统计方式的自适应匹配子空间检测器(AMSD)；重点分析了基于信息处理和匹配滤波的异常检测算法，针对低概率检测算法中特征向量正交性带来的问题，提出了一种基于特征层融合的低概率检测算法；利用仿真数据和实际数据综合分析了纯点异常检测算法和混合点异常检测方法的性能。论文通过分析线性混合模型理论和实际数据的低维几何结构，提出了数据集合在高维空间中形成超平面的思想；并根据了图像异常游离于超平面外的几何特点，从线性方程组的角度，提出了一种较为实用的点到超平面距离算法，解决了由于异常多样性带来的误检测问题，提高了基于线性混合模型异常检测算法的实用性。

全文目录

摘要  11-12
Abstract  12-14
第一章绪论  14-28
  §1.1 高光谱成像探测简介  14-16
  §1.2 高光谱军事应用  16-20
    §1.2.1 机载侦察  16-18
    §1.2.2 天基侦察  18-19
    §1.2.3 有关的应用处理软件  19-20
  §1.3 高光谱图像异常检测  20-25
  §1.4 本文主要研究内容  25-27
  §1.5 数据源说明  27-28
第二章成像机理与图像波谱变化性分析  28-47
  §2.1 引言  28
  §2.2 高光谱图像成像机理  28-37
    §2.2.1 物质的反射和辐射  28-30
    §2.2.2 大气中光路模型和大气的影响  30-32
    §2.2.3 传感器模型  32-34
    §2.2.4 综合光路模型  34
    §2.2.5 光谱混合  34-37
  §2.3 波谱变化的统计特性分析  37-46
    §2.3.1 光谱谱线的变化性  37-40
    §2.3.2 单波段图像统计特性  40-44
    §2.3.3 多波段图像联合统计特性  44-45
    §2.3.4 波段图像的信噪比  45-46
  §2.4 本章小结  46-47
第三章基于转动惯量分析的纯点模型异常检测方法  47-64
  §3.1 引言  47
  §3.2 纯点模型和似然比检测算法  47-51
    §3.1.1 纯点模型的数学形式  47-48
    §3.1.2 设计似然比检测算子  48-50
    §3.1.3 先验信息与后验信息  50-51
    §3.1.4 形态学滤波  51
  §3.3 RX异常检测算法  51-52
  §3.4 基于转动惯量分析的异常检测算法  52-58
    §3.4.1 基于干扰模型的似然比检测算子  52-55
    §3.4.2 利用转动惯量分析提取后验信息  55-58
  §3.5 实验结果与性能分析  58-63
    §3.5.1 RX算法结果分析  58-59
    §3.5.2 基于转动惯量分析的异常检测算法  59-61
    §3.5.3 两种算法的性能比较与评估  61-63
  §3.6 本章小结  63-64
第四章线性混合模型与几何端元提取技术  64-90
  §4.1 引言  64
  §4.2 线性混合模型和端元描述  64-69
    §4.2.1 模型的数学表达  65-66
    §4.2.2 模型未知参数的估计  66-68
    §4.2.3 端元的进一步描述  68-69
  §4.3 几何端元提取方法  69-76
    §4.3.1 几何端元提取方法以及改进的IEA算法  69-73
    §4.3.2 几何端元数目的确定  73-76
    §4.3.3 几何端元提取算法的评估方法  76
  §4.4 实验结果与算法性能分析  76-89
    §4.4.1 仿真数据试验  76-81
    §4.4.2 真实数据试验  81-89
  §4.5 本章小结  89-90
第五章基于信息处理和匹配滤波的异常检测方法  90-117
  §5.1 引言  90
  §5.2 对线性混合模型的两种描述方式  90-91
  §5.3 基于统计方式的异常检测算法  91-95
    §5.3.1 分离背景与异常的线性混合模型  92-93
    §5.3.2 AMSD算法  93-95
  §5.4 基于IPMF的异常检测算法  95-102
    §5.4.1 IPMF算子结构  95-96
    §5.4.2 基于正交子空间投影的算法  96-100
    §5.4.3 低概率检测算法  100-101
    §5.4.4 基于特征层融合的低概率检测算法  101-102
  §5.5 实验结果与算法性能分析  102-116
    §5.5.1 仿真实验结果与分析  102-105
    §5.5.2 实际数据实验结果与分析  105-113
    §5.5.3 混合模型异常检测算法之间的性能分析  113-114
    §5.5.4 纯点模型和混合模型算法之间的性能比较  114-116
  §5.6 本章小结  116-117
第六章基于超平面的异常检测方法  117-131
  §6.1 引言  117
  §6.2 高光谱数据的空间分布特性分析  117-122
    §6.2.1 高维数据特性  118-119
    §6.2.2 实际数据的散点图分析  119-122
  §6.3 线性混合模型与超平面的关系  122-123
    §6.3.1 线性混合模型与超平面  122-123
    §6.3.2 本征维数与超平面维数  123
  §6.4 基于点到超平面距离的检测算法  123-126
    §6.4.1 基于矩阵广义逆的方法  123-125
    §6.4.2 算子的几何意义  125-126
  §6.5 实验结果分析和性能评估  126-130
    §6.5.1 实验结果分析  126-130
    §6.5.2 算法性能评估  130
  §6.6 本章小结  130-131
第七章结束语  131-134
  §7.1 论文的主要研究成果及创新点  131-132
  §7.2 进一步的研究方向  132-134
附录A  134-138
附录B  138-140
致谢  140-141
参考文献  141-150
作者在攻博期间完成的主要论文  150

高光谱图像异常检测方法研究

内容摘要

全文目录

相似论文