不精确标记高光谱数据的目标端元学习与亚像素检测

Hyperspectral target detection generally refers to the task of locating all instances of a target given a known (or learnt) spectral signature within a hyperspectral scene. One of its most important applications is hazard explosive detection. The signature based hyperspectral target hypothesis testing algorithm is robust to false alarms. However, the performance of such algorithms rely heavily on the quality the target signature used, and obtaining an accurate target signature is still a problem to be solved in hyperspectral sub-pixel target detection area. This proposal analyzed the key problems of hyperspectral endmember learning and sub-pixel target detection in dept, including the inaccuracy of the target training labels, the existence of sub-pixel targets, the number of target data is much smaller than that of non-target and how to deal with the variability of target endmember. Also some potential solutions are provided and discussed. This proposal proposes three algorithms for solving the target endmember learning problem. After learning target concept, signature based detector could be applied for target detection, which provides the signature based hyperspectral target hypothesis testing algorithm a reliable target endmember learning framework.

高光谱遥感图像的目标检测指在一幅或一系列高光谱图像中对已知（或经过学习的）光谱特性的目标进行精确定位，其中一项重要应用就是地面爆炸物检测。基于特征匹配的高光谱目标假设检验算法，对误报警具有很高的健壮性。但是此类算法的性能严重依赖于目标光谱特性的质量，而有效的获得精确的目标光谱特性仍然是高光谱遥感领域一个有待解决的难题。本申请深入分析了高光谱目标端元学习与亚像素检测领域存在的若干关键问题，包括训练数据标记的不精确性、目标数据的亚像元性、目标训练数据的数量远小于非目标训练数据、及目标类存在的光谱不确定性等，并一一给出了解决设想。提出将高光谱图像的端元提取看作机器学习中的多示例概念学习问题，并给出了三种不同的算法来解决高光谱目标端元提取问题。在学习目标类的端元光谱后，可将其用于假设检验算法进行测试数据的亚像素目标检验。本申请预期为高光谱目标假设检验算法提供有效可靠的目标端元光谱提取解决方案。

高光谱遥感目标检测任务与常规机器学习二分类/目标检测任务有很大不同，存在许多挑战，其中包括遥感目标的不精确标记问题，遥感目标检测中正样本(目标)的小样本问题，遥感目标的混合像元问题(亚像素目标)等。本课题深入探索了不精确标记高光谱数据的目标端元有效表征与判别分析这一科学问题，严密论证了遥感目标检测领域存在的制约问题并进行了实地数据采集与验证，在此基础上提出了一系列不精确标记的高光谱数据目标端元的表征和判别分析方法。首先提出了目标定性分析的多示例光谱签名学习方法。该方法能够从不精确标记的高光谱数据学习出目标光谱签名向量组，为后续高光谱目标端元的有效表征与判别分析方法奠定了理论基础。随后提出了L1稀疏正则化注意力机制多示例网络，将先验稀疏性约束应用于正示例集的注意力学习，该工作显著提升了注意力网络的鲁棒性与收敛速度，同时完善了多示例注意力机制的理论基础。接着针对高光谱亚像素目标检测问题，提出了亚像素自适应一致估计器及相关遥感端元特征表征与判别分析框架，实现了混叠观测，先验去冗余检测。项目取得了一系列研究进展与学术成果。累计发表学术论文11 篇，包括本领域一流期刊IEEE TCYB, IEEE TGRS, ISPRS J Photo等，出版英文专著章节一部，申请国家发明专利5项。开发不精确标记高光谱目标端元学习与检测人机交互平台一套。

内容获取失败，请点击重试