高光谱遥感图像目标检测.pptxVIP

高 光 谱 遥 感Hyperspectral Remote Sensing第四讲 高光谱图像特征提取与光谱解混合 高光谱数据降维 光谱特征提取 光谱混合模型图像光谱特征变化分析、光谱混合机理、混合模型 线性混合模型端元提取端元提取的目的和意义、线性混合模型端元提取原理、线性混合模型端元数目的估计、线性混和模型端元提取方法 线性混合模型光谱解混合光谱解混合的意义和原理、光谱解混合方法、光谱解混合的应用上一讲内容回顾 高 光 谱 遥 感Hyperspectral Remote Sensing第五讲 高光谱图像目标检测本讲内容所处的位置关系高光谱遥感应用基本流程 本 讲 内 容高光谱图像目标检测高光谱遥感的军、民应用数据降维地物光谱特性分析传感器定标几何校正光谱特征提取高光谱图像地物分类高光谱成像机理辐射校正端元提取反射率反演基于光谱特征的地物识别遥感物理学基础光谱解混合图像压缩与解压缩高光谱图像预处理特征提取与解混合数据处理技术光谱的获取应用第五讲 高光谱图像目标检测本 讲 内 容 高光谱图像目标检测技术概述 基于纯点模型的目标检测 基于多元统计混合模型的目标检测 基于几何方式混合模型的目标检测 高光谱图像异常检测第五讲 高光谱图像目标检测接下来……高光谱图像目标检测概述㈠高光谱目标检测的优势㈡高光谱目标检测方法分类㈢高光谱目标检测的一般流程基于纯点模型的目标检测基于多元统计混合模型的目标检测基于几何方式混合模型的目标检测高光谱图像异常检测㈠高光谱目标检测的优势具有光谱识别和鉴别目标的能力，对图像空间分辨率的要求不高。借助光谱信息可以在场景中区分真实和诱饵目标。具有在复杂背景条件下自动检测图像异常的能力。通常，遥感图像目标检测是建立在一定先验信息的基础上。异常检测算子能够在没有先验信息的条件下检测与周围环境存在光谱差异的目标。一 高光谱图像目标检测概述㈡高光谱目标检测方法分类分类方式：按先验信息的有无按数据观测模型按技术路线一 高光谱图像目标检测概述原始的高光谱数据预处理·数据格式化·坏点修复·波段配准·无用数据删除波段融合和波段选择·取样·平均辐射校正数据调整·白化·分割·归一化已知目标和背景目标检测未知目标已知背景局部异常检测输出结果已知目标未知背景目标检测未知目标和背景自适应异常检测·图像解译参数以及阈值确定·离线的大气校正人工输入㈡高光谱目标检测方法分类按先验信息有无：一 高光谱图像目标检测概述㈡高光谱目标检测方法分类按数据观测模型：基于纯点模型的检测基于混合点模型基于线性混合模型基于非线性混合模型一 高光谱图像目标检测概述统计方式几何方式㈡高光谱目标检测方法分类按技术路线：基于统计方式的检测纯点模型线性混合模型基于几何方式的检测纯点模型线性混合模型一 高光谱图像目标检测概述㈢高光谱目标检测一般流程目前所采用的大部分检测算法，其算子的处理流程可分为两步：空间投影目的：抑制背景的信号能量，突出目标能量。目标与背景分离阈值分割目标鉴别一 高光谱图像目标检测概述xF(x)MdF(x)第二阶段：检测器第一阶段：投影滤波器第五讲 高光谱图像目标检测接下来……高光谱图像目标检测概述基于纯点模型的目标检测㈠纯点模型㈡基于纯点模型的似然比检验㈢基于纯点模型的检测方法基于多元统计混合模型的目标检测基于空间投影的混合模型目标检测高光谱图像异常检测㈠纯点模型纯点模型不考虑光谱混合，模型相对简单目标与背景之间除了二次散射和阴影的关系外，不存在其他的相互作用，观测数据要么是属于目标，要么是属于背景。图像观测光谱可以写为如下形式：二 基于纯点模型的目标检测为观测光谱向量其中：为背景光谱。 为目标光谱附加噪声或者写成如下形式：㈠面向目标检测的纯点模型通常，我们将背景和噪声结合在一起，称之为干扰，可定义干扰模型：多元正态分布是最常用的统计分布之一，这主要是因为它具有良好的可操作性，且已经成功地应用于许多目标检测技术中。针对干扰模型，可假设v服从多元正态分布：二 基于纯点模型的目标检测为背景干扰均值：方差：㈡基于纯点模型的似然比检验对于目标检测问题，可以利用二元似然比检验构建检测算子，对于给定的观测波谱，似然比由条件概率密度给出：如利用极大似然估计等方法，可获取上式中的部分统计参数，则可称为广义似然比检验（ GLRT ）。二 基于纯点模型的目标检测的值大于某一个阈值，则接受目标存在的假设。㈡基于纯点模型的似然比检验 对于非干扰模型，利用多元正态分布表示的二元假设检验的形式如下：似然比函数的自然对数形式如下： 可视为空间投影,下一步就是确定检测阈值。二 基于纯点模型的目标检测无目标有目标=㈡基于纯点模型的似然比检验 基于该似然函数，利用恒虚警率（CFAR）确定检测阈值。所需要的阈值 为：对于干