基于高光谱图像的小目标检测

《基于高光谱图像的小目标检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号学号M201272374学校代码10487密级硕士学位论文基于高光谱图像的小目标检测学位申请人：周鑫学科专业：模式识别与智能系统指导教师：谭毅华副教授答辩日期:2015年5月24日AThesisSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringSmallTargetDetectionBasedonHyperspectralImageryCandidate:ZhouXinMajor:PatternRecognitionandIntellige

2、ntSystemSupervisor:Assoc.Prof.TanYihuaHuazhongUniversityofScienceandTechnologyWuhan430074,P.R.ChinaMay,2015独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到，本声明的法律结果由本人承担。学位论文作者签名：日期：年月日学位论文版权使用授权书本学位

3、论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在_____年解密后适用本授权书。本论文属于不保密□。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：日期：年月日日期：年月日华中科技大学硕士学位论文摘要高光谱图像拥有成百甚至上千个波段，具有图谱合一的特点，与多光谱图像相比，不仅分辨率更高，而且包含更加丰富的空间和地物信

4、息，通过对比分析目标光谱曲线，可以完成在其它成像模态下难以完成的目标检测任务。高光谱图像的目标检测通常包含图像降维、混合像元分解以及目标检测与识别等环节，论文围绕高光谱图像的小目标检测问题开展研究，主要研究工作如下：研究了高光谱图像数据的降维及混合像元分解，在这两个方面对几种算法进行了实现，完成高光谱图像的降维、目标端元提取以及丰度反演等功能，结合实验对算法进行了分析和总结。对经典的高光谱图像目标检测算法进行了介绍和分析，在有限的实验数据条件下，通过在高光谱图像中线性植入目标的模拟成像方式，对几种目标检测算法进行了实验评估与分析。针对高光谱图像目标检测

5、中容易出现的过拟合现象，提出了一种基于稀疏矩阵变换（sparsematrixtransform，SMT）的正则化框架，这个框架能够很好的与需要求解逆矩阵的目标检测算法结合起来。实验证明基于此框架的目标检测算法如SMT-Re-CEM、SMT-Re-MF能够取得更好的检测效果。关键词：高光谱图像，降维，混合像元分解，目标检测I华中科技大学硕士学位论文AbstractHyperspectralimagerycanprovidehundredseventhousandsbands,ithastheuniquecharacteristicofacquirings

6、pectralandspatialinformationsimultaneously,italsohashigherspectralresolutionandricherimagesandspatialinformationthanmultispectralimagery.Bycomparingandanalyzingtargetsignaturewecanachievegoodperformanceinhyperspectraltargetdetectionwhichishardtoachieveinotherimagerymodel.Hypersp

7、ectralimagetargetdetectionincludesdatareduction,unmixingandtargetdetectionandrecognitionetal.Basedonsmalltargetdetection,theresearchofthispaperareasfollows:Wehaveaworkonthehyperspectraldatareductionandunmixing,severalalgorithmshavebeenimplemented.Wehavedonetheworkofdatareduction

8、,endmemberextractionandabundancemaps’inversiona