

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、高光譜遙感圖像具有很高的光譜分辨率,是一種圖譜合一的新型遙感數(shù)據(jù)。借助其豐富的光譜信息,可以反映目標(biāo)間的細(xì)微差異,使人們可以發(fā)現(xiàn)用紋理、邊緣等空間特征無法或難以探測(cè)的地面目標(biāo),這對(duì)于目標(biāo)檢測(cè)提供了有利的支持。異常檢測(cè)算法能夠在沒有先驗(yàn)光譜信息的情況下檢測(cè)到與周圍環(huán)境存在光譜差異的目標(biāo),具有較強(qiáng)的實(shí)用性,成為了高光譜目標(biāo)檢測(cè)領(lǐng)域的一個(gè)研究熱點(diǎn)。由于高光譜圖像的高數(shù)據(jù)維,波段間非線性相關(guān)性,混合象素,同物異譜等特點(diǎn),使得傳統(tǒng)線性高光譜異常檢
2、測(cè)算法的檢測(cè)性受到影響。核方法是處理非線性信息的有效方法,已得到廣泛應(yīng)用?;诤朔椒ǖ姆蔷€性高光譜異常檢測(cè)方法仍存在很多不足與有待解決的問題。本文以高光譜異常目標(biāo)檢測(cè)技術(shù)為研究對(duì)象,以核機(jī)器學(xué)習(xí)為方法,以改善和提高高光譜異常目標(biāo)檢測(cè)性能為目的,重點(diǎn)解決基于核機(jī)器學(xué)習(xí)的非線性高光譜異常目標(biāo)檢測(cè)算法中存在的問題。本文的主要?jiǎng)?chuàng)新點(diǎn)與研究成果如下:
首先,針對(duì)傳統(tǒng)高光譜數(shù)據(jù)特征提取(或降維)方法僅僅利用了高光譜波段間的線性相關(guān)信息
3、,損失了波段間非線性信息的問題,提出了基于非線性獨(dú)立特征提取的高光譜異常檢測(cè)算法。通過核主成分分析完成數(shù)據(jù)白化后在特征空間進(jìn)行獨(dú)立特征提取,針對(duì)高光譜異常檢測(cè)的特殊性和非線性獨(dú)立特征的隨機(jī)性問題,提出了基于局部負(fù)熵度量的非線性獨(dú)立特征優(yōu)化選擇方法,通過選擇具有最大局部負(fù)熵值的非線性獨(dú)立特征,有效地提取出適合高光譜異常檢測(cè)的特征,進(jìn)而采用RX算子進(jìn)行高光譜異常檢測(cè),很好的抑制了虛警概率。
其次,針對(duì)核RX算法中因背景數(shù)據(jù)中混
4、入異常點(diǎn)而造成的背景核矩陣退化,從而使得漏檢率上升,檢測(cè)性能下降的問題,提出一種基于空域?yàn)V波的核RX算法??紤]到高光譜圖像圖譜合一的性質(zhì),其同一波段相鄰像素點(diǎn)在空間上具有很強(qiáng)相關(guān)性以及不同波段的對(duì)應(yīng)像素為相同地物的不同波長(zhǎng)輻射響應(yīng)的特點(diǎn),提出了分波段空域?yàn)V波的方法來優(yōu)化背景數(shù)據(jù)分布,降低了異常數(shù)據(jù)對(duì)背景核矩陣的影響,使得背景核矩陣能更好的描述實(shí)際的背景分布狀態(tài),進(jìn)而提高了檢測(cè)概率。
再次,針對(duì)基于核方法的多數(shù)高光譜異常檢測(cè)
5、算法中的高斯徑向基核函數(shù)核參數(shù)估計(jì)困難問題,提出了自適應(yīng)的核參數(shù)估計(jì)方法,形成了基于核方法的自適應(yīng)異常檢測(cè)算法。由于核參數(shù)的選擇對(duì)于算法的性能影響較大,而傳統(tǒng)方法多采用大量實(shí)驗(yàn)人為選擇,增加了工作量且不能得到客觀的優(yōu)化結(jié)果。通過局部背景分波段二階分布統(tǒng)計(jì),分析核參數(shù)與局部背景總體標(biāo)準(zhǔn)差的變化關(guān)系,構(gòu)造隨檢測(cè)背景變化的局部檢測(cè)核參數(shù),使得檢測(cè)算法針對(duì)不同背景分布自適應(yīng)地調(diào)整檢測(cè)核參數(shù),克服了傳統(tǒng)采用固定核參數(shù)帶來的復(fù)雜背景下檢測(cè)性能下降的
6、問題。
最后,針對(duì)現(xiàn)有的基于核方法的高光譜異常檢測(cè)算法在核函數(shù)的選擇上過于單調(diào)(大多采用高斯徑向基核函數(shù))的問題,提出了一種全新的光譜相似度量核函數(shù),并將其應(yīng)用于高光譜異常檢測(cè)。針對(duì)高斯徑向基核的局部適應(yīng)性強(qiáng)但對(duì)于光譜曲線變化分辨力差的弱點(diǎn),利用光譜曲線相似性度量方式提出了光譜相似度量核函數(shù)。對(duì)提出的光譜相似度量核作為核函數(shù)的確定性進(jìn)行了理論證明,并推導(dǎo)出了光譜相似度量核的平移不變性質(zhì)。比較了光譜相似度量核與高斯徑向基核對(duì)
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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于核方法的高光譜圖像異常檢測(cè)算法研究.pdf
- 基于光譜特性的高光譜圖像異常目標(biāo)檢測(cè)算法研究.pdf
- 基于光譜特性的高光譜圖像異常目標(biāo)檢測(cè)算法研究(1)
- 基于非線性核映射的高光譜異常檢測(cè)算法.pdf
- 高光譜圖像異常小目標(biāo)檢測(cè)算法研究.pdf
- 高光譜遙感圖像異常目標(biāo)檢測(cè)算法研究.pdf
- 基于核方法的高光譜圖像小目標(biāo)檢測(cè)算法研究.pdf
- 高光譜異常檢測(cè)算法研究.pdf
- 高光譜圖像異常檢測(cè)算法研究.pdf
- 高光譜實(shí)時(shí)目標(biāo)檢測(cè)算法研究.pdf
- 基于高光譜成像的目標(biāo)檢測(cè)算法研究.pdf
- 高光譜遙感影像異常檢測(cè)算法研究.pdf
- 基于稀疏表示的高光譜圖像異常檢測(cè)算法及其優(yōu)化研究
- 高光譜圖像目標(biāo)稀疏檢測(cè)算法的研究.pdf
- 基于多尺度分析的高光譜圖像目標(biāo)檢測(cè)算法研究.pdf
- 23732.基于非線性空間的高光譜異常檢測(cè)算法研究
- 基于數(shù)據(jù)源優(yōu)化的高光譜圖像異常檢測(cè)算法研究.pdf
- 基于光學(xué)相關(guān)識(shí)別的高光譜圖像目標(biāo)檢測(cè)算法研究.pdf
- 高光譜圖像目標(biāo)探測(cè)算法研究.pdf
- 基于機(jī)器學(xué)習(xí)的行人檢測(cè)算法研究.pdf
評(píng)論
0/150
提交評(píng)論