資源描述：
《面向異常檢測(cè)的多源遙感影像融合技術(shù)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、碩士學(xué)位論文面向異常檢測(cè)的多源遙感影像融合技術(shù)研究RESEARCHONANOMALYDETECTIONORIENTEDTECHNOLOGIESOFMULTISOURCEREMOTESENSINGIMAGERYFUSION鐘圣唯哈爾濱工業(yè)大學(xué)2015年7月國(guó)內(nèi)圖書分類號(hào)：TP751.1學(xué)校代碼：10213國(guó)際圖書分類號(hào)：621.3密級(jí)：公開工學(xué)碩士學(xué)位論文面向異常檢測(cè)的多源遙感影像融合技術(shù)研究碩士研究生：鐘圣唯導(dǎo)師：張曄教授申請(qǐng)學(xué)位：工學(xué)碩士學(xué)科：信息與通信工程所在單位：電子與信息技術(shù)學(xué)院答辯日期：2015年7
2、月授予學(xué)位單位：哈爾濱工業(yè)大學(xué)ClassifiedIndex:TP751.1U.D.C:621.3DissertationfortheMasterDegreeinEngineeringRESEARCHONANOMALYDETECTIONORIENTEDTECHNOLOGIESOFMULTISOURCEREMOTESENSINGIMAGERYFUSIONCandidate：ZhongShengweiSupervisor：ZhangYeAcademicDegreeAppliedfor：MasterofEngine
3、eringSpeciality：InformationandCommunicationEngineeringAffiliation：Dept.ofInformationEngineeringDateofDefence：July,2015Degree-Conferring-Institution：HarbinInstituteofTechnology哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文摘要隨著遙感技術(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，
4、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(shí)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(cè)技術(shù)由于其不需要先驗(yàn)信息、對(duì)場(chǎng)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(duì)較低，因此異常檢測(cè)的準(zhǔn)確率會(huì)受到影響。如果借助同場(chǎng)景的高分辨率全色圖像的輔助，則能夠?qū)崿F(xiàn)對(duì)異常目標(biāo)的更精確的檢測(cè)。因此，本文以多源遙感圖像為基礎(chǔ)，研究面
5、向異常檢測(cè)技術(shù)的多源融合方法。首先，本文對(duì)于高光譜圖像與高分辨率全色圖像的像素級(jí)融合方法進(jìn)行了研究。經(jīng)過對(duì)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(duì)于融合結(jié)果最優(yōu)的ARSIS框架進(jìn)行深入研究，并基于其提出了改進(jìn)的像素級(jí)融合方法，對(duì)于該方法進(jìn)行了主客觀兩方面的評(píng)價(jià)，客觀評(píng)價(jià)中包括基于圖像的評(píng)價(jià)和面向應(yīng)用的評(píng)價(jià)，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(duì)于高光譜圖像的異常檢測(cè)方法進(jìn)行了研究。通過對(duì)于異常檢測(cè)技術(shù)的基本原理和經(jīng)典的異常檢測(cè)算法的研究，分
6、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(cè)算法。分別使用仿真數(shù)據(jù)和真實(shí)數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)，通過對(duì)比經(jīng)典方法和改進(jìn)方法的檢測(cè)結(jié)果和檢測(cè)的ROC曲線，驗(yàn)證了本文異常檢測(cè)算法的效果。另外，通過對(duì)比各算法的運(yùn)算時(shí)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(duì)于多源圖像的異常檢測(cè)方法進(jìn)行了研究，分別探究了像素級(jí)融合和決策級(jí)融合對(duì)于異常檢測(cè)的效果。對(duì)于像素級(jí)融合，采用改進(jìn)的融合方法和異常檢測(cè)方法對(duì)于多源圖像進(jìn)行處理；對(duì)于決策級(jí)融合，分別采用線性一
7、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多源圖像進(jìn)行了實(shí)驗(yàn)，分析了上述融合方法的適用情況和優(yōu)缺點(diǎn)，給出了不同情況下采用方法的建議。關(guān)鍵詞：多源遙感圖像；異常檢測(cè)；背景模型；像素級(jí)融合；決策級(jí)融合-I-哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文AbstractTherearemuchmoremultisource,multi-resolution,multi-sensorremotesensingimagesasthedevelopingofremotesensingtechnology.Theseimages
8、containbothredundantinformationandcomplementaryinformation.Inthiscase,itturntobeahottopicintheseyearsthathowtoutilizemultisourceimageseffectivelytoobtaincomprehensiveandaccurateinterpretationresults.Ho
