基于稀疏表示的高光谱图像目标检测_精品文档.pdf

基于稀疏表示的高光谱图像目标检测_精品文档.pdf

《基于稀疏表示的高光谱图像目标检测_精品文档.pdf》由会员分享，可在线阅读，更多相关《基于稀疏表示的高光谱图像目标检测_精品文档.pdf（73页珍藏版）》请在冰豆网上搜索。

硕士学位论文硕士学位论文基于稀疏表示的高光谱图像目标检测HYPERSPECTRALTARGETDETECTIONBASEDONSPARSEREPRESENTATION郑贺郑贺哈尔滨工业大学哈尔滨工业大学2014年年7月月万方数据国内图书分类号：

TN911.73学校代码：

10213国际图书分类号：

621.3密级：

公开工程工程硕士硕士学位论文学位论文基于稀疏表示的高光谱图像目标检测硕士研究生：

郑贺导师：

谷延锋教授申请学位：

工程硕士学科：

电子与通信工程所在单位：

电子与信息工程学院答辩日期：

2014年7月授予学位单位：

哈尔滨工业大学万方数据ClassifiedIndex:

TN911.73U.D.C:

621.3DissertationfortheMasterDegreeinEngineeringHYPERSPECTRALTARGETDETECTIONBASEDONSPARSEREPRESENTATIONCandidate：

ZhengHeSupervisor：

Prof.GuYanfengAcademicDegreeAppliedfor：

MasterofEngineeringSpeciality：

ElectronicsandCommunicationEngineeringAffiliation：

SchoolofElectronicsandInformationEngineeringDateofDefence：

July,2014Degree-Conferring-Institution：

HarbinInstituteofTechnology万方数据哈尔滨工业大学工程硕士学位论文-I-摘要高光谱图像目标检测在军事和民事都有很多的应用需求。

典型的例子包括特殊地形特征、植被、用于资源管理的矿物或土壤类型检测等；材料、物体表面或油漆等特性检测；在自然背景中检测人造材料，用于搜寻和营救工作；检测特定植物种类，用于缉毒工作；检测军事车辆，用于防御和情报工作等。

本文的目的是从高光谱图像的特点出发，结合稀疏表示理论与传统检测方法，并深度挖掘数据内在的空谱信息，研究具有更高检测性能的检测方法，促进高光谱遥感的应用和发展。

本文工作主要是以研究信号的稀疏表示理论为基础的高光谱图像目标检测方法，包括以下三个方面：

首先，本文从信号的稀疏表示模型出发，分别研究了稀疏表示中字典设计问题和系数求解问题。

接着，针对高光谱图像的特点，研究了高光谱图像的稀疏表示模型。

考虑高光谱图像的空谱信息，研究了高光谱图像空谱约束模型，其中包括联合稀疏模型、拉普拉斯模型以及三维小波变换模型。

然后，研究了传统目标检测中的匹配子空间检测模型。

在此基础上研究了稀疏表示目标检测方法。

在考虑匹配子空间检测模型与稀疏表示目标检测方法的内在联系的基础上，提出了稀疏匹配子空间检测方法。

并结合空谱约束模型得到相应的检测方法。

通过高光谱图像的目标检测实验，证明了稀疏匹配子空间检测方法具有更好的检测性能。

最后，为了解决高光谱图像数据本身的非线性特性，本文引入核映射的思想，首先研究了核稀疏表示模型的系数求解问题。

然后研究了核稀疏表示目标检测方法。

接着，针对本文提出的稀疏匹配子空间检测方法，研究了核稀疏匹配子空间检测方法。

关键词：

稀疏表示；高光谱图像；目标检测；匹配子空间检测；核方法；空谱约束万方数据哈尔滨工业大学工程硕士学位论文-II-AbstractHyperspectraltargetdetectionhasmanyapplicationsinthecivilandmilitaryarea.Typicalexamplesincludethedetectionofspecificterrainfeaturesandvegetation,mineral,orsoiltypesforresourcemanagement;detectingandcharacterizingmaterials,surfaces,orpaints;thedetectionofman-madematerialsinnaturalbackgroundsforthepurposeofsearchandrescue;thedetectionofspecificplantspeciesforthepurposesofcounternarcotics;andthedetectionofmilitaryvehiclesforthepurposeofdefenseandintelligence.Thepurposeofthisarticleistoproposeanewalgorithmfortargetdetectioninhyperspectralimagery（HSI）,whichtakingintoaccountofthespecialtyofhyperspectralimagery.Anditcanpromotethedevelopmentofhyperspectralremotesensing.Theobjectiveofthisarticleistostudythehyperspectraltargetdetectionalgorithmbasedonthesparserepresentationincludingthefollowingthreeaspects:

Firstofall,thequestionsbasedonthesparsitymodelabouthowtodesignadictionaryandhowtoobtainthecoefficienthavebeenstudied.Thenconsideringthecharacteristicsofhyperspectralimagery,thesparsitymodelforhyperspectralimageryhasbeenstudied.Consideringthespatialandspectralcharacteristicsofhyperspectralimagery,thespatial-spectralconstraintmodelincludingthejointsparseconstraintmodelandtheLaplacianconstraintmodelandthe3D-DWT-ICAconstraintmodel.Andthentheconventionallymatchedsubspacedetector（MSD）algorithmhasbeenstudied.Afterthatthenewtargetdetectionalgorithmbasedonthesparserepresentationhasbeenstudied.SubstitutingSRfortheconventionalsubspacemethod,asparsematchedsubspacedetector（SMSD）isdeveloped.Moreover,thespatial-spectralconstraintmodelisexploitedtoextractthespatialandspectraldistributioninthehyperspectralimageryandcapturethejointspatial-spectralsparsitystructure.Experimentsareconductedonrealhyperspectraldata.Theexperimentalresultsshowthattheproposedalgorithmoutperformsthestate-of-the-artssparsedetectionalgorithm.Finally,inordertosolvethenonlinearcharacteristicofhyperspectralimagery,thekernelmethodshavebeenconsidered.Firstly,wehavestudiedthequestionabouthowtoobtainthecoefficientofkernelsparserepresentation.Thenthetargetdetectionalgorithmforhyperspectralimagerybasedonkernelsparserepresentationhasbeenstudied.Andatlastwepresentakernelrealizationofasparsematchedsubspacedetector（SMSD）thatisbasedonsparserepresentationmodeldefinedina万方数据哈尔滨工业大学工程硕士学位论文-III-high-dimensionalfeaturespaceassociatedwithakernelfunction.Keywords:

sparserepresentation,hyperspectralimagery,targetdetection,matchedsubspacedetector（MSD）,kernelmethods,spatial-spectralconstraint万方数据哈尔滨工业大学工程硕士学位论文-IV-目录摘要.IABSTRACT.II第1章绪论.11.1课题的背景及来源.11.2课题研究的目的和意义.31.3国内外研究现状.41.3.1高光谱图像目标检测方法研究现状.41.3.2信号稀疏表示方法研究现状.71.3.3研究现状的总结.81.4本文的主要研究内容.9第2章高光谱图像的稀疏表示模型.112.1引言.112.2信号的稀疏表示.112.2.1字典设计.122.2.2稀疏表示的系数求解.152.3高光谱图像的稀疏表示.162.4空谱约束模型.172.4.1联合稀疏模型.172.4.2拉普拉斯模型.192.4.3三维小波变换模型.202.5本章小结.23第3章高光谱图像目标检测.243.1引言.243.2匹配子空间检测模型.243.3稀疏表示目标检测方法.253.4稀疏匹配子空间检测方法.273.5实验结果与分析.283.5.1实验数据介绍.293.5.2实验设置.303.5.3结果分析.31万方数据哈尔滨工业大学工程硕士学位论文-V-3.6本章小结.42第4章基于核稀疏表示的高光谱图像目标检测.434.1引言.434.2核稀疏表示系数求解.434.2.1核方法概述.434.2.2KOMP算法.444.3核稀疏表示目标检测.464.4核稀疏匹配子空间目标检测.474.5实验结果与分析.494.5.1实验设置.494.5.2结果分析.504