基于高光譜遙感的疑似隱藏目標檢測研究.pdf_第1頁
已閱讀1頁,還剩60頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著偽裝技術的進步和高光譜遙感技術的發(fā)展,原有的基于可見光和多光譜遙感技術已不適應現代偽裝技術下隱藏目標的檢測要求,單獨使用高光譜圖像的光譜數據雖然能夠反映目標光譜的基本屬性,在檢測方面提供大量信息,但檢測精度很難有進一步提高。本課題研究的對象是采用偽裝網方式進行隱藏防護的目標,通過實驗室成像光譜儀獲取的高光譜圖像數據,分析研究偽裝網與背景植被之間在圖像光譜數據和定量反演的植物葉片生化參量信息差異,進行特征選擇,建立基于高光譜圖像光譜和

2、植物葉片生化參量特征的分類特征空間和判決函數,聯合檢測出植被背景中的隱藏目標。
  本文主要開展三方面研究工作:
  首先進行了植物葉片生化參量定量化反演的基礎理論研究。分別對定量化反演常用的幾種方法進行分析,并通過實驗對比各種方法反演的結果??梢钥闯觯@幾種定量化反演方法得到的目標和背景數據都有一定的差別。其中,植被指數計算簡單,適用性強,部分植被指數在目標和背景上差異明顯,可以作為檢測目標的一種特征。
  其次分析

3、高光譜圖像光譜特征的特點,重點研究從多維高光譜數據中選擇出易于檢測目標的最優(yōu)特征波段組合算法。文中采用禁忌搜索的特征選擇算法,研究設置算法的評價函數、鄰域函數等準則及相關參數。通過對該算法的深入分析,發(fā)現該算法初始解的隨機性帶來特征選擇的最終結果往往差別很大,提出根據檢測目標的先驗知識賦予禁忌算法初始解,這種方法得到的結果相對集中,檢測效果穩(wěn)定,較隨機給定初始解的禁忌搜索算法更易找到最優(yōu)解。通過基于先驗知識的禁忌搜索算法,求得圖像光譜特

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論