一种新的空谱联合探测高光谱影像目标探测算法

高光谱遥感影像不但具有高分辨率的空间信息还包含连续的光谱信息,因此在目标探测领域具有独特的应用优势。传统的高光谱遥感影像目标探测侧重于光谱信息的应用,形成了确定性算法和统计学算法。确定性算法通过计算目标光谱与待检测光谱之间的距离来查找目标,不能检测亚像素目标,而且容易受到噪声的影响;统计学目标检测计算背景统计特性,通过探测异常点来检测目标,可以检测亚像素目标和小目标,但容易受到目标尺寸的影响,不能很好的检测大目标。随着高光谱遥感影像的空间分辨率的增加,探测目标已有亚像素目标逐步转换为单像素及多像素目标,此时,在高光谱图像中,相同类别的地物在空间分布上呈现聚类特性, 因此,在利用高光谱遥感影像进行目标探测时,需要将其空间信息融入算法中。将空间特征引入传统目标探测算法。提出了一种新的空谱结合的高光谱目标探测算法,将传统的基于统计的目标探测算子与空域邻域聚类算法相结合,首先利用目标探测算子将影像划分为潜在目标区域与背景区域;通过计算潜在目标区域的质心,以质心为中心进行邻域聚类,剔除潜在目标区域中的背景区域,通过迭代计算获取最终目标探测结果。传统的基于统计的目标探测算子,将整个探测区域定义为背景区域,实现对背景区域的统计特征提取,而该方法将背景区域与潜在目标区域分离,剔除了目标区域对背景区域的统计干扰。将本算子与传统的约束能量最小化算子和自适应余弦探测算子进行分析比较可知,该算子的大目标探测性能优于传统的统计算子。     

基于空谱联合异常度的高光谱异常目标检测

随着高光谱图像技术的不断发展,光谱分辨率和空间分辨率不断提高,相比于其他遥感图像,能够获得更为精细的光谱特征。这为地物的高精度分类、解混和目标检测等研究领域提供了理论平台,其中由于高光谱异常目标检测技术不需要地物的先验信息,更符合实际应用的需求。针对现有的大多数高光谱异常目标检测算法只关注目标和背景在光谱信息方面的差异,而忽略两者空间信息的差异,导致检测精度不高的问题,提出了一种基于空谱联合异常度的高光谱异常目标检测算法。该算法不需要假设图像的背景模型,建立在滑动双窗口的基础上,提出了光谱异常度和空间异常度两个概念。在光谱异常度计算中,考虑了波段间的非线性特征,采用光谱角匹配的核函数方法进行检测,基于双窗口模型的基础上逐个计算中心像元与局部背景像元的核光谱角并设置阈值来获得中心像元的光谱异常度;在空间异常度的计算中,由于物质在空间方面的聚类特性,通过构建像元点的空间窗模型能够得到代表像元类别的图像块灰度向量,同时求解不同像元之间图像块灰度向量的欧式距离并设置阈值来获得中心像元的空间异常度;最后将中心像元的光谱异常度与空间异常度进行加和则可得到中心像元的空谱联合异常度,基于滑动双窗口模型对整幅图像的像元进行逐个检测,即可得到图像的异常检测结果。采用AVIRIS的三组真实高光谱数据对所提算法进行仿真实验,并与传统的RX算法、 LRX算法和KRX算法进行对比研究,结果表明本文算法具有较好的检测效果,与KRX算法相比,运行速度具有较大幅度的提升。     

基于空谱联合聚类的改进核协同高光谱异常检测

针对空谱信息中普遍存在的异常干扰现象,提出了基于空谱联合聚类的自适应核协同表示高光谱异常目标探测算法.算法充分发挥了基于密度的聚类算子(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)对于异常点的筛选特性,在DBSCAN聚类去除异常波谱的基础上,采用分波段子集随机投影变换对数据降维处理,以减少谱噪声和谱冗余,并采用DBSCAN聚类消除了局部背景像元中的杂乱点对协同探测算法结果的干扰.研究了背景离散度对核参选择的影响,比较了不同的核估计方法,并提出基于平均差的自适应核协同算法.采用该方法对AVIRIS和ROSIS的三组数据进行仿真实验并与现有算法进行了对比,结果表明该算法表现出较好的探测性能.     

基于光谱空间重构的非监督最邻近规则子空间的高光谱异常检测

针对高光谱遥感影像维数高、数据量巨大且地物分布复杂,导致背景与异常难以区分的问题,提出一种基于光谱空间重构的非监督最邻近规则子空间异常探测算法.首先通过基于结构张量的波段选择算法,去除噪声像元,选择更有效的波段.然后,通过光谱空间重构增加背景与异常的绝对光谱距离.最后,为了充分利用背景字典之间的空间相似性信息,将空间距离权重引入到非监督最邻近规则子空间算法中,提高检测精度.为验证所提算法的有效性,用四组真实的高光谱数据进行实验,研究了不同参数对检测结果的影响.结果表明,与其他异常检测算法对比,所提算法具有更好的检测效果.     

基于光谱区分法的高光谱核异常检测算法

为了解决高光谱目标检测中高斯径向基核、光谱相似度量核难以同时描述光谱曲线整体及局部特性的问题,利用光谱信息散度与梯度角正切相结合的光谱区分方法构造了一种新的核函数.对真实机载可见红外成像光谱仪高光谱数据进行高光谱核异常检测,得到二值图及接收机操作特性曲线.结果表明,在低虚警率下,相比于高斯径向基核、光谱相似度量核,本文所提出核函数在高光谱核异常检测中准确度与清晰度更高.     

采用多项式递归核的高光谱遥感异常实时检测算法

高光谱遥感目标检测是遥感信号处理领域的热点问题,基于核机器学习的KRX算法能充分利用高光谱波段间的非线性光谱特性,在原始光谱的特征空间进行探测,能够获得较好的检测效果。针对KRX算法检测过程计算复杂、不能满足快速处理要求的缺陷,引入了卡尔曼滤波器的递归思想,提出了一种核递归的高光谱异常目标检测算法。从光谱分析的角度,应用Woodbury引理从上一时刻的状态迭代更新当前像元的Gram核矩阵,避免了高维矩阵数据重复计算。实验结果表明,与传统RX、因果RX和KRX等算法相比,在检测精度有所提高的同时,大大缩短了算法检测时间,提高了异常目标检测效率。     

基于多帧背景的泄漏气体自适应匹配滤波检测

被动傅里叶变换红外(FTIR)扫描遥测成像系统采集的红外高光谱图像具有空间、光谱等维度信息,可被用于大气环境中有毒有害气体的识别、定量及可视化。该系统具有光谱分辨率高、非接触式及远距离探测等优点,然而其单帧图像的像元数量少且部分存在气体吸收或发射特征,无法直接用于红外高光谱图像的目标检测。提出了基于多帧背景的泄漏气体自适应匹配滤波(AMF)检测方法,以短时间内、同一区域的多帧红外高光谱图像为基础,筛选出无目标气体特征的背景光谱并计算探测区域的背景最大似然估计,应用于后续帧的目标气体泄漏检测。红外高光谱图像来自于SF₆气体的遥测实验,共扫描四帧（120像元/帧）,去除前三帧内含有目标气体特征的像元光谱,剩余背景光谱被用于计算背景的最大似然估计,第四帧红外高光谱图像逐像元对SF₆气体进行的AMF检测,并与非线性最小二乘法反演的SF₆柱浓度图像比对,结果表明AMF检测高值与柱浓度高值有较强的相关性。为验证多帧背景在不同空间检测方法下的性能,分别对该帧数据进行了基于正交子空间的自适应子空间检测(ASD)、基于混合空间的自适应余弦检测(ACE)及基于斜子空间的最大似然比检测(OGLRT),并分别与SF₆柱浓度图像比对,结果表明多帧背景适用于不同空间的检测方法。此外,为验证存在目标气体吸收特征的非背景光谱对背景空间的影响,向背景空间中加入多条含有SF₆气体吸收特征的光谱,通过ROC曲线检验,结果表明背景空间中混入目标气体特征会降低AMF方法的检测性能。AMF检测值的假彩色图像也能应用于被动FTIR扫描遥测成像系统,相较于柱浓度假彩色图像,泄漏源及扩散趋势更为明显。基于红外高光谱图像的检测方法依赖于整体背景的统计特性,相较于单像元光谱波段的反演算法,极大地降低了背景的依赖性。多帧背景下的AMF泄漏气体检测方法能很好地应用于被动FTIR扫描遥测成像系统上并满足在线监测要求。     

基于支持向量描述的自适应高光谱异常检测算法

提出了一种应用于高光谱异常检测的自适应支持向量数据描述方法.根据高光谱数据和局部异常检测模型的特点,通过局部背景分波段二阶分布统计,分析了核参量与局部背景总体标准差的变化关系,构造了随检测背景变化的局部检测核参量,使得检测算法针对不同背景分布自适应地调整检测核参量.克服了传统支持向量描述算法由于采用固定核参量带来的复杂背景下检测性能下降的问题.通过模拟数据和真实高光谱数据的测试检验,接收机特性曲线表明该算法相对于传统固定核参量支持向量数据描述方法,在相同虚警概率下检测概率提高了10%.     

基于支持向量描述的自适应高光谱异常检测算法

提出了一种应用于高光谱异常检测的自适应支持向量数据描述方法.根据高光谱数据和局部异常检测模型的特点,通过局部背景分波段二阶分布统计,分析了核参量与局部背景总体标准差的变化关系,构造了随检测背景变化的局部检测核参量,使得检测算法针对不同背景分布自适应地调整检测核参量.克服了传统支持向量描述算法由于采用固定核参量带来的复杂背景下检测性能下降的问题.通过模拟数据和真实高光谱数据的测试检验,接收机特性曲线表明该算法相对于传统固定核参量支持向量数据描述方法,在相同虚警概率下检测概率提高了10%.     

基于子空间划分和视觉可识别度的波段选择方法研究

面对日益丰富的机载、星载高光谱传感器,及其相伴增多的高光谱数据,产生的数据量过大、波段冗余等问题一直是高光谱图像处理、解译的重难点。同时,利用高光谱遥感技术揭露伪装目标,也一直是现代遥感应用技术研究要点。在探测得到海量的地物光谱数据、具有冗余的光谱信息,设计恰当的数据降维技术具有至关重要的作用。降维处理的主要方法中的波段选择方法,其不但可以使图像数据的光谱信息在不失真的条件下实现数据降维,还能在其基础上对伪装目标及其背景实现精确区分,是当今利用高光谱技术进行军事应用的重要技术手段,同时也是国内外众多学者的研究热点。利用各类指标计算波段间的不同表现,并依据其参数选取代表性强的波段用于地物识别或分类来检验方法的优劣是目前比较常用的研究方式,但是面向特殊地物,如植被伪装目标的特定波段选择方法方面的实验研究现仍较少。研究选取绿色钢板、绿色伪装网、绿色假草皮,置于含有绿色健康植被、湿润裸地、干燥裸地的背景环境中,通过模拟真实环境中的伪装目标和背景地物进行波段选择及分类实验验证。首先通过分析光谱曲线,选取显著特征波段;其次结合根据波段间相关系数划分的子空间进行波段筛选;然后依据地物目标的图像亮度建...     

陆基高光谱成像用于核驱动模型测量与地物分类

高光谱成像是一种先进的图像获取技术，其在获得地物空间信息的同时还可以获得地物的光谱信息，得到“图谱合一”的三维图像数据。其光谱分辨率高，光谱曲线近似连续，可以有效探测用多光谱成像技术中无法探测的地物，在目标检测、地物分类与图像压缩等领域取得了广泛的应用。地物分类的分类结果是专题制图的基础数据，在军事、农业、地质等领域有重要地位了良好的效果。地物分类是指将图像中的像元赋予类别标签，即将同类地物赋予相同标签，不同类地物赋予不同标签。根据分类前是否已经获取目标的光谱信息，地物分类分为监督分类、半监督分类和无监督分类。然而，地物光谱受成像条件的影响较大，特别是陆基成像，不同成像条件的地物光谱会发生一定的改变，不再具有严格的唯一性，因此无法根据未知成像条件下的地物光谱数据进行准确分类。但是同种地物的散射系数(由特定算法获得的散射占比)具有唯一性，与成像条件或探测方向无关，不受二向反射特性的影响，只与地物类型及波长有关，是一种反映地物本质属性的物理量，因此可以作为地物的分类依据。基于陆基成像条件下测量了多种地物的散射系数，详细描述了散射系数的测量过程并且验证了核驱动模型的拟合能力。通过对比发现不同...     

一种背景误差累积的高光谱图像异常检测算法

针对背景信息对高光谱图像异常检测的强干扰问题,提出了一种背景误差累积的异常检测算法.该算法通过构造背景子空间,利用各像素到该子空间的正交投影,得到有效抑制背景并突显目标的背景误差数据,用于后续的异常目标检测.最后用真实的高光谱数据进行仿真实验,理论分析比较和实验结果表明该算法具有较好的检测效果.     

一种背景误差累积的高光谱图像异常检测算法

针对背景信息对高光谱图像异常检测的强干扰问题,提出了一种背景误差累积的异常检测算法.该算法通过构造背景子空间,利用各像素到该子空间的正交投影,得到有效抑制背景并突显目标的背景误差数据,用于后续的异常目标检测.最后用真实的高光谱数据进行仿真实验,理论分析比较和实验结果表明该算法具有较好的检测效果.     

一种基于光谱奇异值检测的高光谱遥感小目标探测方法

高光谱遥感技术能够借助丰富的地物图像和光谱信息,反映目标地物与背景地物间的细微差异,从而将其区分开来。目前的小目标探测算法多侧重于从图像处理方面着手,文章则从光谱维数据分析的角度出发,利用光谱分析中的奇异值检测方法探测小目标,首先对关注区域的地物像元光谱进行连续统去除和正交变换等预处理;然后将每个像元的光谱对该区域平均光谱进行光谱匹配求其相似性,并实现高光谱数据降维;而后通过光谱角匹配值的马氏距离进行奇异值检测,将马氏距离大于自适应阈值的像元判定为小目标。该方法不需要任何先验信息,实验结果表明该方法运算量较小,运算速度快,并有较好的小目标探测准确度。     

空间点目标光谱探测与特征识别研究进展

光学观测是空间目标识别的重要手段,由于探测距离远,视场中的空间目标多呈现为非分辨的点目标。相比于传统的定轨测量和光度测量,光谱探测提供了波长维的可分辨信息,极大的提升了目标表面材质判别能力,并为目标状态反演提供了更可靠的依据,极具应用潜力。介绍了近年来国内外学者在空间点目标光谱探测及特征识别方面的典型研究进展,依据主要研究方法,分为多通道测光探测、高光谱探测、实验室光谱特性测量、目标特性建模仿真四个方向。其中,多通道测光获得了低光谱分辨率的测量数据,是常用的广域空间目标分类判别手段;高光谱探测研究反射能量在波长维的精细分布,有助于反演重点目标的材质组成;实验室光谱特性测量可在受控条件下模拟目标探测的物理过程,提供材质光谱特性数据库;目标特性建模仿真则对物理属性抽象特征化,研究目标光谱变化过程。通过分析国内外研究成果,总结当前研究的能力与不足,提出几点研究思路,为后续研究开展提供参考。     

空间目标红外辐射特性研究

利用目标的红外光谱特性进行目标探测和识别是一种有效的方法。以空间卫星为目标,研究了其红外辐射特性形成的机理;利用所建立的数学模型,仿真了空间目标在探测面上所形成的红外光谱特性曲线;分析了模型中各参数对目标光谱特性的影响程度和卫星目标的红外光谱曲线。     

基于TracePro的空间目标光学散射特性建模与仿真EI北大核心CSCD

为给空间目标光学探测与识别提供数据支持,建立了基于TracePro的空间目标光学散射特性计算模型.以空间目标天基红外系统为例,综合考虑目标的结构特性、材料特性、背景特性及轨道特性,通过TracePro中建立几何模型、设定材质、设定光源、计算光线路径等环节,对目标光学散射特性进行仿真分析.结果表明,目标的光谱辐照度曲线与太阳一致.镜反射时,目标的等效光谱反射率曲线与砷化镓电池片一致,随着目标旋转,目标的等效光谱反射率曲线趋向于与包覆材料一致,而后保持不变.为空间目标光学散射特性研究思路提供了借鉴.     

基于TracePro的空间目标光学散射特性建模与仿真

为给空间目标光学探测与识别提供数据支持,建立了基于TracePro的空间目标光学散射特性计算模型.以空间目标天基红外系统为例,综合考虑目标的结构特性、材料特性、背景特性及轨道特性,通过TracePro中建立几何模型、设定材质、设定光源、计算光线路径等环节,对目标光学散射特性进行仿真分析.结果表明,目标的光谱辐照度曲线与太阳一致.镜反射时,目标的等效光谱反射率曲线与砷化镓电池片一致,随着目标旋转,目标的等效光谱反射率曲线趋向于与包覆材料一致,而后保持不变.为空间目标光学散射特性研究思路提供了借鉴.     

深空背景下空间目标紫外特性建模方法研究

紫外探测具有灵敏度高、虚警率低等特点,空间目标紫外特性分析对空间目标探测具有重要意义.针对空间目标紫外特性提出了一种精确建模方法.根据空间目标的背景辐射环境及表面材料属性,引入区域分解与网格划分的思想,利用双向反射分布函数建立了空间目标紫外特性的数学模型.通过矢量坐标变换,确定了背景辐射源、探测器与目标的相对位置关系.以资源一号卫星和风云三号卫星为例,进行了目标紫外特性的仿真分析,计算获得了目标在探测器入瞳处的紫外辐照度随时间的变化关系.仿真结果验证了建模方法的正确性. 关键词： 空间目标 紫外特性 双向反射分布函数 建模与仿真     

字典学习稀疏表示的高光谱图像异常检测

针对稀疏表示高光谱检测算法性能受背景字典影响较大的问题,充分利用高光谱图像空间信息和光谱主成分信息,提出了一种基于字典学习的稀疏表示异常检测算法。首先利用主成分分析提取高光谱数据的主特征,建立目标主成分空间,并证明了在主成分空间进行字典学习稀疏重构的可行性;然后在主成分空间内构造基于K-SVD算法的训练字典,改善了背景字典性能;采用正交匹配算法重构主成分分量,利用主成分分析反变换得到待检测像元重构光谱,增强了高光谱图像的局部异常特性;最后,基于重构误差异常特性实现高光谱图像异常检测。仿真结果证明了该方法的有效性。