高光谱图像异常检测算法与应用研究

1144766066 · 发表于 2022-4-17 19:18:58

题目：

雅宝题库答案：

****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案

雅宝题库解析：
高光谱图像数据通常是一个三维的数据立方体，其长和宽分别对应两个空间维，每个像素的光谱作为第三维，具有图谱合一的良好特性。异常检测作为一种特殊的目标检测方法，试图在没有目标光谱的条件下确定一些异常像素位置，异常像素是指其光谱明显不同于其周围像素光谱。它在民用和军事有广泛的应用，是高光谱图像的重要应用之一，可以用于检测感兴趣的军事目标。本文首先综述了高光谱图像异常检测各种背景模型和相关的算法，然后深入研究了高光谱图像中原始的Reed-Xiaoli（RX）异常检测算法，及其相关的变种算法。通过将核RX算法正则化，本文改进了核RX算法，提出正则化的核RX算法，并将正则化的线性RX算法和正则化的核RX算法的规范化结果再融合，提出融合RX算法，更加有效地挖掘出不同波段间高光谱图像中异常和背景线性和非线性关系，提高了目标检测概率。本文主要研究纯像素下人造小目标的异常检测，所以所有算法都使用了双窗口技术，将待检测像素周围区域按远近分为外窗口区域（outer-window region，OWR）和内窗口区域（inner-window region，IWR），分别对应背景区域和潜在的目标区域。在高光谱图像异常检测中，为了减小因波段数量太多而导致的Hough效应，使用了核主成分分析（Kernel Principal Component Analysis，KPCA）进行特征提取和基于高阶统计量的特征选择方法作为预处理来降低数据维数。在仿真数据和来自NASA的AVIRIS（Airborne Visible/Infrared Imaging Spectrometer）光谱仪的真实高光谱图像数据实验中，原始的RX算法及其四个变种算法分别应用在了降维和未降维的数据上。所有算法的检测效果使用接受者操作特性（Receiver Operating Characteristic，ROC）曲线进行了评价，检测结果的ROC曲线显示本文提出的正则化核RX算法和融合RX算法具有一定的优越性。高光谱图像异常检测在目标搜索方面的应用，本文做了一点探索性的研究。

高光谱图像异常检测算法与应用研究

天涯海角也要找到Ni：高光谱图像异常检测算法与应用研究

相关帖子

QQ微信同步：1144766066。

服务

网站

战略合作