面向異常檢測的多源遙感影像融合技術(shù)研究.pdf

1、隨著遙感技術(shù)的發(fā)展，當(dāng)前的遙感圖像數(shù)據(jù)正在向多源、多分辨率及多傳感器發(fā)展。這些多源數(shù)據(jù)既包含互補(bǔ)信息，也包含重復(fù)的冗余信息。于是，如何更加有效地利用多源圖像數(shù)據(jù)，從而獲得更全面且準(zhǔn)確的解譯信息，成為了近年來遙感圖像處理領(lǐng)域的研究熱點(diǎn)。但由于后續(xù)的應(yīng)用目的不同，目前并不存在適用于所有應(yīng)用的融合方法。目標(biāo)識別是高光譜圖像的最重要的應(yīng)用之一，而其中的異常檢測技術(shù)由于其不需要先驗(yàn)信息、對場景的魯棒性強(qiáng)等特點(diǎn)，近年來成為研究者關(guān)注的問題。但是，由

2、于感興趣的目標(biāo)往往尺寸較小，而高光譜圖像的分辨率相對較低，因此異常檢測的準(zhǔn)確率會受到影響。如果借助同場景的高分辨率全色圖像的輔助，則能夠?qū)崿F(xiàn)對異常目標(biāo)的更精確的檢測。因此，本文以多源遙感圖像為基礎(chǔ)，研究面向異常檢測技術(shù)的多源融合方法。
　　首先，本文對于高光譜圖像與高分辨率全色圖像的像素級融合方法進(jìn)行了研究。經(jīng)過對經(jīng)典的主成分分析、小波變換、Schmidt正交變換、ARSIS框架融合方法的實(shí)驗(yàn)比較之后，對于融合結(jié)果最優(yōu)的ARSIS

3、框架進(jìn)行深入研究，并基于其提出了改進(jìn)的像素級融合方法，對于該方法進(jìn)行了主客觀兩方面的評價，客觀評價中包括基于圖像的評價和面向應(yīng)用的評價，較為全面地驗(yàn)證了本文提出的改進(jìn)算法的優(yōu)越性。
　　其次，本文對于高光譜圖像的異常檢測方法進(jìn)行了研究。通過對于異常檢測技術(shù)的基本原理和經(jīng)典的異常檢測算法的研究，分析了現(xiàn)有方法在高光譜圖像背景建模上的不足之處，從而提出了新的基于橢球等高分布和有限混合模型的改進(jìn)的異常檢測算法。分別使用仿真數(shù)據(jù)和真實(shí)數(shù)據(jù)

4、進(jìn)行了實(shí)驗(yàn)，通過對比經(jīng)典方法和改進(jìn)方法的檢測結(jié)果和檢測的ROC曲線，驗(yàn)證了本文異常檢測算法的效果。另外，通過對比各算法的運(yùn)算時間，驗(yàn)證了本文算法的高效性。
　　最后，綜合上述兩部分的結(jié)果，本文對于多源圖像的異常檢測方法進(jìn)行了研究，分別探究了像素級融合和決策級融合對于異常檢測的效果。對于像素級融合，采用改進(jìn)的融合方法和異常檢測方法對于多源圖像進(jìn)行處理；對于決策級融合，分別采用線性一致理論和D-S證據(jù)理論進(jìn)行融合。分別采用不同分辨率的