高光谱图像中目标探测及分类方法研究

admin · 发表于 2022-9-19 09:35:16

题目：

雅宝题库答案：

****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案

雅宝题库解析：
高光谱遥感技术是上世纪80年代发展起来的一门新兴遥感技术，它借助成像光谱仪革命性的将成像技术和细分光谱技术结合在一起，能在电磁波谱的可见光、近红外、中红外和热红外波段范围内提供对地物光谱的精细探测，为精确探测和识别提供了可能。因此，高光谱图像分类与目标探测在民用和军事上都具有重要的理论价值和应用前景，成为当前目标识别及遥感信息处理研究领域中的一个热点研究题目。然而高光谱图像数据量大、相关性强和空间分辨率低给目标探测带来了极大的困难，传统的基于单幅图像的探测、分类算法已经不适用于高光谱图像的小目标探测。针对以上题目，本文作了以下几方面的研究。首先，对高光谱图像波段选择技术进行了研究，在子空间划分理论基础上，结合最大熵和光谱角制图原理，提出一种快速的最佳谱段选择方法。充分利用相邻波段数据间的相关性分块特点，首先提取各子空间熵值最大的波段，然后依据地物光谱可分性选择最佳的波段组合。实验验证，最佳谱段选择速度快，并且所选谱段组合用于目标提取，效果显著。其次，对数据融合技术进行了研究，针对现有算法的不足，提出了一种基于PCA、小波变换与高通滤波的图像融合算法，该方法有效地解决了PCA算法舍弃过多信息导致的光谱失真现象和多层小波变换出现分块效应的现象。通过目视判别和定量分析，该算法不仅很好的保持了原始图像的光谱信息，而且在最大程度上改善了高光谱图像的空间分辨率。最后，对小目标探测技术展开研究，针对高光谱图像小目标探测中约束能量最小化算法对噪声敏感且不能有效识别大目标的题目，提出了一种样本加权CEM目标探测算法，通过样本光谱单位化处理，减小了目标点所在环境不同而出现的识别误差，更为精确的确定目标物在像元中所占的比例。以光谱相关性作为权值的度量对样本进行加权处理，有效降低了目标像素在样本自相关矩阵运算中所占的比重，使算法对大目标探测同样有效。

高光谱图像中目标探测及分类方法研究

天涯海角也要找到Ni：高光谱图像中目标探测及分类方法研究

相关帖子

浏览过的版块

QQ微信同步：1144766066。

服务

网站

战略合作