论文部分内容阅读
目标探测是高光谱遥感领域的一个重要应用,而实际应用中面临的往往是目标先验知识匮乏的异常探测问题。经典异常探测算法基于统计概率模型,这类算法存在以下缺陷:通过对影像进行全局化的处理,根据统计结果获取背景光谱特征,压制背景从而实现突出目标,但是背景的统计结果往往受到目标光谱特性及背景噪声的“污染”,导致探测精度有限。同时,高光谱影像在具有高光谱分辨率的同时,牺牲了空间分辨率,造成目标在星载高光谱影像中往往以低出露小目标的形式存在,在航班监视、船舶搜救、军事侦察、海事监测等目标探测应用中,经典异常目标探测算法往往难以满足应用的精度需求。本文从异常探测算法机理出发,鉴于经典异常探测算法中背景特征估计受到目标光谱特性和噪声的干扰,利用双窗口结构和降噪的方法对算法进行改进,同时基于相似性度量模型提出了新的算法思路,为星载高光谱数据低概率小目标的异常探测的应用提供较高探测精度的异常探测算法。本文工作内容和结论如下:(1)本文对目标探测面临的关键问题进行了系统的调研,针对低出露小目标的异常探测需求,从统计概率模型机理出发,并根据经典算法的探测结果,对经典异常探测算法的局限性进行分析;采用双窗结构分离待测像元和背景区域,将全局探测转变为局部异常探测,同时在背景特征提取的过程中利用PCA降噪的方法,据此将经典异常探测算法改进为DW-LRX、DW-UTD、DW-LPTD算法;结合相似性度量模型,对双窗结构中待测像元和背景光谱的相似性进行评价,衍生出对应的异常探测算法:DW-ED、DW-SAM、DW-SID、DW-SCM;利用机载AVIRIS影像标准数据进行验证,结果表明改进算法均具有较高的探测精度,有效的抑制了背景中的虚警。(2)本文基于AVIRIS数据,采用16个不同尺寸的窗口验证算法的窗口尺寸敏感性,结果表明基于统计概率模型的改进算法相对基于光谱信息差异的改进算法对窗口尺寸更敏感,IWR越大,OWR越小探测精度越高。采用5个梯度的噪声对AVIRIS数据退化,验证算法抗噪性,结果表明基于光谱信息差异的改进算法抗噪能力更强;最后针对低概率出露小目标探测应用,采用大幅宽的高分五号星载高光谱影像数据对算法进行验证,结果表明改进算法具有较明显的精度提升,DW-LRX算法的精度最高,DW-SAM和DW-SCM算法也具有较高的探测精度,有效的降低了探测结果中的虚警率,为低出露小目标的异常探测应用提供了具有针对性的算法。