一种自适应匹配子空间亚像元目标探测方法

为了克服基于线性混合模型的高光谱遥感影像亚像元目标探测方法的缺陷,提出了一种基于全限制性线性分解的自适应匹配子空间探测方法。首先利用交叉相关光谱匹配技术求得各个像元所含端元类别信息,然后根据端元类别信息和全限制性分解的结果构造自适应匹配子空间探测算子,利用端元类别信息在探测中动态选择端元,降低端元数目估计偏差对探测结果的影响,提高探测器对目标与背景的可分性。实验证明,该方法与其他基于线性混合模型的亚像元目标探测方法相比,可以更好地克服端元数目估计偏差对探测结果的影响,无论是端元个数低估还是高估时,探测效果均更优。

基于字典重构的高光谱图像亚像元目标检测

稀疏表示的引入为高光谱遥感图像的目标检测提供了新途径,但在其检测过程中,由于过完备字典的构造是直接从高光谱图像中进行获取的,存在不确定性因素且无法实现对亚像元的准确检测。针对上述问题,本文提出了一种基于字典重构的高光谱图像亚像元目标检测算法。该算法利用无监督方法进行过完备字典的构造,确保过完备字典中包含部分目标像元的光谱信息,同时引入二元对立假设模型实现对高光谱图像中亚像元目标的检测。对模拟及真实高光谱遥感图像数据进行实验仿真,通过对实验结果三维图、ROC曲线以及AUC值的对比分析,得出本文所提出的算法,该算法不仅提高了检测精度而且更好地抑制了背景噪声。

基于扩展数学形态学的高光谱亚像元目标检测（英文）

提出了一种基于扩展数学形态学和光谱角度匹配相结合的高光谱亚像元目标检测算法。在目标与背景未知的情况下,同时利用光谱和空间信息实现目标的定位与检测,实现高光谱亚像元目标的检测识别。通过扩展的形态学膨胀和腐蚀运算实现端元提取,采用光谱角度匹配算法进行感兴趣目标的检测识别。算法性能通过AVIRIS数据进行评价,与仅利用光谱角度匹配的算法和RX异常检测算法进行比较。实验证明,所提出的算法性能优于其他两种算法,具有低虚警率的亚像元目标检测结果。

基于逐像素递归处理的高光谱实时亚像元目标检测

亚像元目标检测是高光谱图像应用的关键技术。由于高光谱数据的高维度增加了存储空间和数据处理的复杂度,实时处理成为了目标检测面临的重要问题。自适应匹配滤波算法(AMF)是一种有效的亚像元目标检测算法。在基于Woodbury引理实现以逐像素排列格式传输和存储的高光谱数据协方差矩阵实时求逆的基础上,以AMF为高光谱图像亚像元目标检测算法,推导出了基于逐像素递归处理的高光谱图像实时AMF目标检测流程。通过仿真数据和真实高光谱图像实验证明,相比于非实时AMF,实时AMF只需少量的存储空间便可得到同样甚至更高的检测精度。

基于亚像元目标的高分辨率光学遥感卫星在轨辐射定标方法

辐射定标是光学遥感卫星数据定量化应用的关键技术之一。提出了基于亚像元目标的高分辨率光学遥感卫星在轨辐射定标方法,以反射点源作为参照目标,并以地面同步测量为主,通过简化辐射传输的计算过程获取大气透过率与遥感器入瞳辐亮度;根据多能量等级的亚像元目标设置与系统点扩展函数检测结果,将亚像元目标辐射与程辐射、地气耦合辐射及背景辐射有效分离;突破时空及天气条件限制,在复杂环境条件下实现光学遥感卫星全动态范围的高精度定标。实验结果表明,基于亚像元目标的高分辨率光学遥感卫星在轨辐射定标不确定度优于3.2%,与基于大面积多反射率灰阶靶标的定标结果相差3%;这种轻小型的亚像元目标适应于光学遥感卫星的高频次定标应用需求。

高光谱遥感图像亚像元信息提取方法综述

高光谱遥感图像光谱分辨率高、波谱连续、图谱合一,这为精细地物分类、探测和识别提供了数据基础。然而,由于高光谱遥感图像空间分辨率的局限性及地物场景的复杂分布,混合像元普遍存在于高光谱遥感图像。混合像元是高光谱遥感图像精细信息提取与分析中的难点。解决混合像元问题,实现亚像元级信息的提取与分析是近年来高光谱遥感图像解译的热点和前沿。本文系统梳理了高光谱遥感图像亚像元信息提取的主要研究内容,具体从混合像元分解、亚像元制图及亚像元目标探测3个研究方向综述了经典方法,并对国内外相关方向的研究进展、发展前沿及主要挑战进行了分析与评价,最后分析讨论了高光谱遥感图像亚像元信息提取研究在模型构建、优化求解及与应用结合等方面的研究趋势及方向。

高光谱图像目标检测的核信号空间正交投影法

针对非线性混合下的亚像元目标检测问题,提出一种基于核函数的信号空间正交投影方法(KSSP)。该方法作为信号空间正交投影方法(SSP)的非线性推广,首先将原空间中像元矢量经非线性映射转换到高维特征空间,然后在特征空间中用线性信号空间正交投影进行目标检测。通过核技巧,核信号空间正交投影不必知道具体的非线性映射形式。经模拟数据与真实高光谱图像数据实验证明,KSSP方法在目标检测性能上优于SSP,且对噪声的抑制也有很好的效果。