基于卡方分布的高光譜圖像目標(biāo)檢測(cè)和分類.pdf

1、高光譜圖像中包含了空間和光譜維度的信息，且連續(xù)的光譜維信號(hào)可以描述和區(qū)分不同地物的物理和化學(xué)特性，已經(jīng)成為一種重要的遙感監(jiān)測(cè)手段。隨著相關(guān)軟硬件技術(shù)的發(fā)展，高光譜技術(shù)正逐漸應(yīng)用到各個(gè)領(lǐng)域中，如軍事、醫(yī)療等，涉及的技術(shù)主要包括異常檢測(cè)、目標(biāo)檢測(cè)、分類、解混等。但是，在高光譜數(shù)據(jù)中，由于成像環(huán)境復(fù)雜、成像范圍廣、空間分辨率低等因素，普遍存在著大面積混合背景以及噪聲，包括高斯噪聲和突發(fā)性噪聲等。不同的分析技術(shù)重點(diǎn)關(guān)注的是高光譜圖像中的不同屬性

2、的地物內(nèi)容，如異常檢測(cè)和目標(biāo)檢測(cè)是關(guān)注特定的信號(hào)，分類則更多地關(guān)注大面積地物。如果始終以整張圖像中的所有數(shù)據(jù)作為研究對(duì)象，會(huì)受到極不相關(guān)因素的不利影響。所以，針對(duì)不同的數(shù)據(jù)分析任務(wù)，應(yīng)該設(shè)計(jì)有效的預(yù)處理方式，限定分析方法的數(shù)據(jù)處理子集，從而提高方法的分析能力。
　　本研究主要內(nèi)容包括：⑴分析高光譜圖像的特點(diǎn)，假設(shè)光譜像元的模符合高斯分布，則其能量符合卡方分布。對(duì)整張圖像中的所有像元能量進(jìn)行統(tǒng)計(jì)，將卡方分布中的上側(cè)分位點(diǎn)函數(shù)值作為閾

3、值對(duì)圖像數(shù)據(jù)進(jìn)行劃分，概率小于閾值的像元子集更多地對(duì)應(yīng)于異常和噪聲，而概率大于閾值的像元子集則對(duì)應(yīng)于大面積地物類別總和。利用閾值內(nèi)外圖像數(shù)據(jù)的特點(diǎn)，分別根據(jù)任務(wù)需要，選擇數(shù)據(jù)處理的對(duì)象，作為不同高光譜數(shù)據(jù)分析任務(wù)的一個(gè)有效預(yù)處理步驟。⑵對(duì)于大于卡方上側(cè)分位點(diǎn)的函數(shù)值得到的數(shù)據(jù)子集S1，進(jìn)行小目標(biāo)檢測(cè)，利用UFCLS提取目標(biāo)特性元后，用CEM的算法將數(shù)據(jù)子集作為目標(biāo)檢測(cè)的背景信息進(jìn)行壓制，并提升目標(biāo)信號(hào)，以提高目標(biāo)檢測(cè)的性能。將該方案與采

4、用整張圖像數(shù)據(jù)作為分析對(duì)象的方案，針對(duì)時(shí)間、檢測(cè)率、虛警率、正確率、錯(cuò)分漏分等評(píng)價(jià)指標(biāo)進(jìn)行比較。⑶對(duì)于小于卡方上側(cè)分位點(diǎn)的函數(shù)值得到的數(shù)據(jù)子集S2，進(jìn)行非監(jiān)督高光譜分類研究。首先用VD確定S2中的類別數(shù)量，進(jìn)而用ATGP算法非監(jiān)督提取類別代表性像元，最后采用不同的光譜相似性指標(biāo)，如SAM、ED等方法進(jìn)行分類。將該方案與傳統(tǒng)的基于全部圖像數(shù)據(jù)的分析方案進(jìn)行比較。⑷在模擬數(shù)據(jù)和真實(shí)數(shù)據(jù)上實(shí)驗(yàn)結(jié)果表明，利用卡方數(shù)據(jù)分布統(tǒng)計(jì)之后的數(shù)據(jù)子集進(jìn)行目