光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2013年
6期
1653-1657
,共5页
刘凯%张立福%杨杭%朱海涛%姜海玲%李瑶
劉凱%張立福%楊杭%硃海濤%薑海玲%李瑤
류개%장립복%양항%주해도%강해령%리요
高光谱%目标探测%非结构化%面向对象分析
高光譜%目標探測%非結構化%麵嚮對象分析
고광보%목표탐측%비결구화%면향대상분석
Hyperspectral%Target detection%Unstructured background model%Object-oriented analysis
针对非结构化背景探测器中背景协方差矩阵估计的局限性,提出了一种基于面向对象分析的高光谱小目标探测算法.首先对图像进行自适应迭代分割处理,将其划分为许多均质对象;然后进行正态最优分布选取,利用多元正态无偏检验选取最佳对象集;最后将此数据集合作为局部背景并结合GLR基准算法进行目标探测.该算法可以使局部背景最大化的服从正态分布,有效地将背景光谱信息和目标光谱信息分离开来,同时通过最优选取过程克服了目标信息“污染”问题.为了验证算法的有效性,利用真实的OMIS数据进行仿真实验,并与非结构化背景探测器GLR和基于K-Means聚类的改进GLR算法的检测结果比较,结果表明提出的算法具有良好的探测性能和较低的虚警概率.
針對非結構化揹景探測器中揹景協方差矩陣估計的跼限性,提齣瞭一種基于麵嚮對象分析的高光譜小目標探測算法.首先對圖像進行自適應迭代分割處理,將其劃分為許多均質對象;然後進行正態最優分佈選取,利用多元正態無偏檢驗選取最佳對象集;最後將此數據集閤作為跼部揹景併結閤GLR基準算法進行目標探測.該算法可以使跼部揹景最大化的服從正態分佈,有效地將揹景光譜信息和目標光譜信息分離開來,同時通過最優選取過程剋服瞭目標信息“汙染”問題.為瞭驗證算法的有效性,利用真實的OMIS數據進行倣真實驗,併與非結構化揹景探測器GLR和基于K-Means聚類的改進GLR算法的檢測結果比較,結果錶明提齣的算法具有良好的探測性能和較低的虛警概率.
침대비결구화배경탐측기중배경협방차구진고계적국한성,제출료일충기우면향대상분석적고광보소목표탐측산법.수선대도상진행자괄응질대분할처리,장기화분위허다균질대상;연후진행정태최우분포선취,이용다원정태무편검험선취최가대상집;최후장차수거집합작위국부배경병결합GLR기준산법진행목표탐측.해산법가이사국부배경최대화적복종정태분포,유효지장배경광보신식화목표광보신식분리개래,동시통과최우선취과정극복료목표신식“오염”문제.위료험증산법적유효성,이용진실적OMIS수거진행방진실험,병여비결구화배경탐측기GLR화기우K-Means취류적개진GLR산법적검측결과비교,결과표명제출적산법구유량호적탐측성능화교저적허경개솔.