高光譜遙感圖像小目標(biāo)探測的基本原理

《高光譜遙感圖像小目標(biāo)探測的基本原理》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、中國科學(xué)D輯:地球科學(xué)2007年第37卷第8期:1081~1087《中國科學(xué)》雜志社http://www.scichina.comSCIENCEINCHINAPRESS高光譜遙感圖像小目標(biāo)探測的基本原理①②③*②③④耿修瑞趙永超(①北京師范大學(xué)地理學(xué)與遙感科學(xué)學(xué)院,北京100875;②中國科學(xué)院遙感科學(xué)國家重點(diǎn)實(shí)驗(yàn)室,北京100101;③中國科學(xué)院電子學(xué)研究所,北京100080;④CenterforAssessmentandMonitoringofForestandEnvironmentalResourcesandDivisionofEcos

2、ystemSciences,UniversityofCaliforniaBerkeley,BerkeleyCA94720-3114,USA)摘要概括性總結(jié)了高光譜遙感圖像小目標(biāo)探測算法的研究進(jìn)展,揭示了圖像白化處理是諸多算法能夠成功應(yīng)用于小目標(biāo)探測的本質(zhì)原因所在;提出了基于樣本加權(quán)自相關(guān)矩陣把大目標(biāo)轉(zhuǎn)化為“小”目標(biāo)從而進(jìn)行有效探測的思想和算法.關(guān)鍵詞高光譜白化目標(biāo)探測目標(biāo)探測技術(shù)是遙感理論與應(yīng)用中一個(gè)重要領(lǐng)有復(fù)雜的分布結(jié)構(gòu)并且游離于大的數(shù)據(jù)云團(tuán)之外,域,由于受到地面采樣距離(GSD)的限制,在很多情這是小目標(biāo)探測的信息基礎(chǔ)或者結(jié)構(gòu)基礎(chǔ).況下我

3、們感興趣的目標(biāo)都以亞像元的形式存在,即本文將首先概括高光譜遙感圖像目標(biāo)探測技術(shù)在一個(gè)圖像像元中不但含有感興趣目標(biāo),而且還包的發(fā)展概況,接著提出了基于圖像白化小目標(biāo)探測含有其他地物.此時(shí),利用傳統(tǒng)的遙感手段很難對這的研究思路及算法,揭示了圖像的白化處理是諸多些小目標(biāo)進(jìn)行有效探測,高光譜遙感以其波段多、光小目標(biāo)探測算法能夠取得顯著效果的關(guān)鍵所在,提譜分辨率高、信息量大的特點(diǎn)為這一問題提供了新的出了基于樣本加權(quán)自相關(guān)矩陣把大目標(biāo)轉(zhuǎn)化為“小”技術(shù)手段.目標(biāo)從而進(jìn)行有效探測的思想和算法.然后我們用高光譜圖像中的小目標(biāo)一般有如下幾個(gè)特點(diǎn):ENVI自帶的A

4、VIRIS數(shù)據(jù)和2004年在西安獲取的第一,從物性上來說,我們所感興趣的目標(biāo)一般不同OMIS2數(shù)據(jù)為例來驗(yàn)證我們的想法.于圖像中的其他背景地物,因而其相應(yīng)的光譜標(biāo)簽1目標(biāo)探測技術(shù)的發(fā)展應(yīng)該與別的地物有著不同的特征,這是小目標(biāo)得以根據(jù)已知條件可以把現(xiàn)有的研究歸結(jié)為4個(gè)方面:有效探測的物質(zhì)基礎(chǔ);第二,從幾何上來講,在線形混合模型成立或者近似成立的基礎(chǔ)上,由于感興趣1.1低維空間情況目標(biāo)不同于別的背景地物,因而在圖像的特征空間高光譜圖像通常都具有幾十甚至上百個(gè)波段,中其相應(yīng)的端元應(yīng)該位于具有單形體結(jié)構(gòu)分布的數(shù)對如此大的數(shù)據(jù)量進(jìn)行處理往往需要以時(shí)間為

5、代價(jià),據(jù)云團(tuán)的一個(gè)頂點(diǎn),這是感興趣目標(biāo)能夠有效探測尤其是當(dāng)這些數(shù)據(jù)需要傳輸?shù)臅r(shí)候還要求傳輸介質(zhì)的幾何基礎(chǔ);第三,從信息量上來說,小目標(biāo)在圖像有足夠的帶寬(比如星上數(shù)據(jù)下傳),所以很多情況下,中往往只占幾個(gè)像元,甚至只以亞像元的形式存在,在保證目標(biāo)與背景有足夠分離度的基礎(chǔ)上先對原始這一方面加大了從圖像空間直接對其進(jìn)行有效探測數(shù)據(jù)進(jìn)行降維操作,這其實(shí)也是一個(gè)特征提取的過的難度.但另一方面,由于其分布數(shù)量少加上其在特程.在遙感圖像分析中,特征提取可以從兩個(gè)意義上征空間中特殊的幾何特性,導(dǎo)致小目標(biāo)像元本身沒來實(shí)施:一種是按照一定的準(zhǔn)則直接從原始特征空

6、收稿日期:2006-04-24;接受日期:2006-11-21國家自然科學(xué)基金(批準(zhǔn)號:40501041,40202031)和中國科學(xué)院知識創(chuàng)新工程重要方向性項(xiàng)目(編號:KZCX3-SW-338-1)資助*E-mail:gengxr@sina.com.cn萬方數(shù)據(jù)1082中國科學(xué)D輯地球科學(xué)第37卷間中選出一個(gè)子集(即子空間),光學(xué)遙感中的波段選碼匹配算法,如二值編碼匹配算法.整波形匹配的缺擇即屬于這一類.另一種是找到一個(gè)映射關(guān)系P:陷在于它對噪聲非常敏感,因而要求圖像光譜有很P:x→y.將原始特征空間X={,,,}x12xxLm映射到高的信

7、噪比.實(shí)際上,對圖像光譜定標(biāo)和反射率轉(zhuǎn)換維數(shù)降低了的特征空間Y上去,其中的精度往往很難達(dá)到光譜匹配的要求.注意到,上述Y=<{,,,},.yy12Lynmn高光譜遙感圖像特征提取算法并沒有用到已知的背景信息,從而只能在沒有包含的內(nèi)容非常廣泛,提取方法也很多,光譜維特征抑制背景的情況下定性得到目標(biāo)地物的大致覆蓋區(qū)提取和空間維特征提取是表現(xiàn)圖像特征提取的兩個(gè)域,如果要定量的得到感興趣目標(biāo)在圖像中各個(gè)像方面.主成分分析(PCA)是一種把原來多個(gè)指標(biāo)化為元中所占的比例,需要引入混合像元模型.線性混合少數(shù)幾個(gè)互不相關(guān)的綜合指標(biāo)的一種分析技術(shù).應(yīng)模型是其

8、中應(yīng)用最為廣泛的模型,它假定:在一定的用PCA可以在基本保持?jǐn)?shù)據(jù)信息量的基礎(chǔ)上把海量條件下,高光譜圖像中每個(gè)像元都可以近似認(rèn)為是的高光譜數(shù)據(jù)投影到僅有少數(shù)幾個(gè)主分量