查看更多>>摘要：受空间分辨率与探测器水平的限制,传统的高光谱图像目标检测算法更侧重于基于光谱分析的定量化处理.近年来,随着地面与近地面成像平台以及光谱成像技术的发展,陆基高光谱图像实现了高空间分辨率与高光谱分辨率的统一.相比于高光谱遥感图像,陆基高光谱图像的空间分辨率更高,其目标具有细节丰富、尺度较大的特点,在目标检测任务中能够同时利用目标的几何形状信息与精细光谱信息.约束能量最小化(CEM)是一种经典的高光谱图像目标检测算法,这种算法很适合特定的成分占图像总方差比例很小的情况,能突出某种待测目标信息,压制背景信息,从而达到从图像中分离出待测目标的效果.然而,CEM对目标的尺度比较敏感,随着目标像元数目的增加,该算法的探测效果显著下降.导致这一问题产生的原因在于CEM是基于统计背景时不包括目标光谱信息这一假设的,但实际情况中难以预先剔除目标光谱信息,而是直接统计全域图像的每个像元的光谱来近似代替背景光谱.为了解决CEM在较大目标的检测任务中效果不佳的问题,改进该算法在陆基高光谱图像中的目标检测能力,提出了一种基于空间检测指导的CEM方法(SIG-CEM).该方法首先将获取到的待测高光谱图像进行主成分分析,将第一主成分图像送入空间目标检测模型,利用检测结果得到的坐标信息对目标进行框定.而后在求取CEM中的自相关矩阵时去除框定区域内包含目标的像元,从而有效减少了对目标的抑制.分别利用公开的遥感高光谱图像与实测的陆基高光谱图像进行实验,实验结果表明:SIG-CEM算法能够避免传统CEM算法中目标信号作为背景信号参与运算而对探测结果的影响.在公开数据集的实验中,相比于其他传统的目标检测算法,SIG-CEM算法的AUC值达到了0.973 7,有效提升了目标检测的精度;在实测陆基高光谱图像数据的实验中,SIG-CEM比CEM的AUC值平均提升了0.055.同时,实验在一定程度上验证了SIG-CEM算法针对不同类型的高光谱图像具有较强的鲁棒性与适用性.该研究提出了一种专门针对陆基高光谱图像的目标检测方法,推进了今后陆基高光谱图像在目标定位与识别方面的发展与应用.
NETL
NSTL
万方数据