高光谱影像水面小目标检测与识别

摘要

基于高光谱影像的目标检测与分类识别占据着遥感研究领域的重要地位，因多维特征的引入，其检测效率与识别精度较低。 考虑以上两个缺点，在对高光谱影像数据充分理解的前提下，本文对高光谱影像中水面小目标的检测与识别问题进行了研究，囊括了三个关键技术，具体如下： 首先，通过研究高光谱水体指数特征与小目标的形态特征，提出了二者结合的基于背景先验的水面小目标区域检测方案。水体指数特征用于精确提取水面背景区域，小目标形态特征用于凸显水面小目标区域。 其次，结合光谱包络线，提出了背景先验与目标先验结合的检测方法，以背景先验检测结果为基础，通过提取目标先验光谱的包络点及其对应谷值，计算基于包络线的光谱斜率和差值特征，分别表征光谱的变化趋势和差值特点，并将二者结合用于目标像元的相似性对比。 最后，将光谱特征与循环神经网络结合，设计了一种基于深度学习的光谱分类识别方案。通过光谱重排提升光谱的区分度；采用主成分分析算法对重排后光谱数据降维，提升处理效率并减弱噪声的影响；结合循环神经网络处理序列数据的优势，最终实现对目标像元高精度的识别。 通过与多种方法对比实验，本文的检测与识别方法能完整、高效、精确地检出水面小目标，对复杂背景有较强的抗干扰能力。

目录

第一个书签之前