基于浅表层地物波谱特性的高光谱图像目标检测与识别

高光谱遥感把地物目标的光谱特性、空间特性和几何特性有机结合，具有高的光谱分辨率和差异明显的目标光谱曲线，在目标检测与识别领域具有独特优势。本课题对高光谱图像目标检测识别方法进行研究，主要研究内容有：波段选择、光谱解混和空谱信息融合。现有的高光谱图像目标检测方法大多直接对原始光谱维数据进行处理而不作数据降维，影响了检测性能，难以满足检测的实时性需求；此外，仅利用光谱信息而忽略空间信息，目标识别易产生虚警。本课题首先对各类目标及背景的波谱特性进行采样，建立地物波谱数据库；然后对目标及背景的特征波段进行选择与光谱解混，并将高光谱图像的光谱信息和空间信息融合，实现目标的亚像元识别，最后通过对典型目标成像实验验证方法的有效性。课题的创新之处：波段选择思路新、指标新；部分端元参与光谱解混和丰度估计，可抑制异常像元光谱和测量噪声的影响；光谱信息和空间信息融合可减小"异物同谱"给目标检测带来的虚警。

高光谱遥感图像具有“图谱合一”的特性，包含丰富的光谱信息，在地物分类、目标探测、伪装识别等领域具有明显的优势。然而，海量的高光谱数据常常导致“维数灾难”的产生，同时，受成像光谱仪空间分辨率的限制，高光谱图像中普遍存在着大量的混合像元，这些均给高光谱图像的目标探测与识别带来了困难与挑战，造成目标检测率不高的问题。鉴于此，本课题着眼于“如何有效提高高光谱图像目标检测率”这一关键技术问题,开展了一系列研究，内容包括：高光谱图像预处理方法、波段选择方法、光谱解混方法以及目标检测方法。在预处理方法的研究中，首先针对高光谱图像普遍存在的条带噪声问题，提出了一种条带噪声去除的方法。然后针对高光谱反射率反演的问题，先后提出了三种反射率反演方法，有效抑制了光谱不一致性问题。接下来，针对“如何合理选取波段提高目标检测率”这一关键技术问题，先后根据不同的应用需求，提出了7种波段选择方法，并利用实测数据验证了方法的有效性。接下来，针对混合像元分解的问题，提出了5种适用于不同特征的高光谱遥感图像的混合像元分解算法。最后，在上述研究的基础上，进行了高光谱图像目标检测方法的研究。通过对光谱特征参量增强方法的研究，提出了一种有效的基于光谱特征增强的高光谱目标检测方法。在此基础上，重点研究分析了伪装材料与绿色植被光谱之间光谱特性，提出了一种伪装目标检测方法。然后，针对卫星遥感图像中，目标往往是混合像元的问题，提出了基于端元提取的高光谱图像目标检测方法。同时，针对传统目标检测算法的一些缺陷，分别提出了两种改进算法。最后，针对军事目标侦察中经常需要用到的异常探测进行了研究，提出了一种改进的RX 异常检测方法。经过实测数据实验验证，表明了上述方法均可以有效地提高高光谱图像的目标检测的精度和准确率，达到了基金项目的预期要求。

内容获取失败，请点击重试