硕士学位论文高光谱图像的异常目标检测及亚像元定位研究RESEARCH ON ANOMALY TARGET DETECTION AND SUBPIXEL MAPPING IN HYPERSPECTRALIMAGERY朱凤阳哈尔滨工业大学2009年6月国内图书分类号：TN911.73 学校代码：10213 国际图书分类号：621.3 密级：公开硕士学位论文高光谱图像的异常目标检测及亚像元定位研究硕士研究生：朱凤阳导 师：张钧萍教授申请学位：工学硕士学科：信息与通信工程所在单位：电子与信息工程学院答辩日期：2009年6月授予学位单位：哈尔滨工业大学Classified Index: TN911.73U.D.C.: 621.3Dissertation for the Master Degree in EngineeringRESEARCH ON ANOMALY TARGET DETECTION AND SUBPIXEL MAPPING IN HYPERSPECTRALIMAGERYCandidate:Zhu FengyangSupervisor:Prof. Zhang JunpingAcademic Degree Applied for:Master of EngineeringSpecialty:Information and CommunicationEngineeringAffiliation: School of Electronics andInformation EngineeringDate of Defence: June, 2009Degree-Conferring-Institution:Harbin Institute of Technology哈尔滨工业大学工学硕士学位论文摘要遥感平台具有覆盖范围广、作用距离远、执行效率高等方面的优点，有着重要的军事意义和民用价值。
随着遥感平台的发展，一些对遥感平台所获图像的处理技术也得到了大力的发展。
目标检测技术就是其中一种重点技术，对于图像的解译与后续目标识别有着重要的意义。
高光谱图像具有光谱分辨率高、波段宽度窄、信息量大的特点，能够以较高的光谱诊断能力区分和检测地物目标，因此用高光谱图像进行目标检测的研究受到了广泛的重视。
然而，由于高光谱图像空间分辨率较低、混合像元普遍存在，异常检测得到的异常目标像素通常是目标成分和背景成分的混合。
通常情况下，异常目标的准确空间位置具有很大的利用价值。
因此有必要对高光谱图像的异常目标进行检测与亚像元定位研究，这也符合遥感信息定量化的发展趋势。
在这样的背景下，本课题进行了以下几个方面的研究。
首先，对高光谱图像的特性和异常检测方法进行了研究。
在分析了高光谱图像的谱间相关性和空间相关性后，采用特征提取和特征选择技术以及经典的RX检测算法对高光谱图像进行了异常检测，论文中研究了四种基于特征提取的异常检测算法。
然后，分析了高光谱图像中混合像素的存在原因，并研究了针对混合像素的两项关键技术：光谱解混和亚像元定位。
光谱解混技术方面，主要研究了线性光谱混合模型及其在全约束条件下的最小二乘法解法；亚像元定位技术方面，主要分析了高光谱图像的空间相关性，并利用该性质实现了亚像元定位。
最后，对高光谱图像的异常目标检测与亚像元定位方法进行了总体实现。
首先，对高光谱图像进行异常检测，提取异常目标区域，然后利用局部目标端元提取和局部光谱解混方法获得目标的解混分量图。
最后，利用解混分量图对异常目标进行亚像元定位。
实验结果表明，此系统不仅可以检测出高光谱图像中的异常目标信息，而且还可以获得目标的亚像元空间分布信息。
关键词：高光谱图像；异常检测；光谱解混；亚像元定位哈尔滨工业大学工学硕士学位论文AbstractRemote sensing platform has the advantage of broad coverage, long operating distance and high efficiency. Therefore, it has important military significance and civil value. With the development of remote sensing, some technologies about the processing of images obtained by the platforms develop quickly. And target detection technology is one of them. It has important significance to image interpretation and target identification. Due to the high spectral resolution, narrow bandwidth and large amount of information, hyperspectral imagery can be used to distinguish and detect ground targets with quite high diagnostic ability, so the research on target detection over hyperspectral imagery becomes a focus. However, because of the low spatial resolution, there are a large number of mixed pixels exsiting in hyperspectral imagery. The abnormal pixels obtained from anomaly detection are often mixed with background. Usually, accurate spatial information of anomaly targets is of great value. Thus, it’s necessary to research on anomaly target detection and subpixel mapping, which is also consistent with the development trend of remote sensing information rationalization. In this case, following aspects are researched in the thesis.Firstly, the characteristic of hyperspectral imagery and anomaly detection methods are studied. After analyzing the characteristic of spectral correlation and spatial correlation, we take use of feature extraction, feature selection and classical RX algorithm to carry on anomaly detection in hyperspectral imagery. There are four methods based on feature extraction studied in this thesis.Then, the reason why mixed pixels exist in hyperspectral imagery is analyzed. And two key technologies: spectral unmixing and subpixel mapping are studied. For spectral unmixing, the linear spectral mixing model and the solution using the method of least squares under the full constrained conditions are studied. For subpixel mapping, spatial correlation is analyzed. And subpixel mapping is carried out using this characteristic.Lastly, the process of detection and subpixel mapping for anomaly targets in hyperspetral imagery is implemented. First, anomaly detection is carried out and the anomaly targets area is extracted. Second, local target endmember extraction and local linear unmixing is carried out to obtain the unmixed result of targets. Third, subpixel mapping for anomaly targets is carried out on the basis of unmixed result. Thus, we can not only detect the anomaly targets in hyperspectral imagery, but also obtain the subpixel spatial information of anomaly targets.哈尔滨工业大学工学硕士学位论文Keywords: hyperspectral image, anomaly detection, spectral unmixing, subpixel mapping哈尔滨工业大学工学硕士学位论文目 录摘要 (I)Abstract (II)第1章绪论 (1)1.1课题背景及研究意义 (1)1.2高光谱遥感技术的发展 (2)1.2.1 成像光谱仪的发展 (2)1.2.2 高光谱遥感技术的应用发展 (3)1.3高光谱图像中的目标检测技术 (5)1.3.1 目标检测技术分类 (5)1.3.2 异常检测技术 (6)1.4亚像元定位技术 (8)1.5论文的研究内容与结构安排 (9)第2章高光谱图像的异常目标检测算法研究 (10)2.1高光谱图像的特性分析 (10)2.1.1 谱间相关性分析 (11)2.1.2 空间相关性分析 (12)2.2特征提取 (13)2.2.1 主成分分析 (14)2.2.2 核主成分分析 (16)2.2.3 独立分量分析 (17)2.2.4 实验结果比较和分析 (19)2.3基于局部奇异性的特征选择 (20)2.4高光谱图像的异常检测算法 (22)2.4.1 RX异常检测算法 (22)2.4.2 基于特征提取的异常检测算法 (24)2.5本章小结 (27)第3章高光谱图像中的混合像元处理技术研究 (28)3.1端元提取技术 (28)3.2光谱解混 (29)3.2.1 线性光谱混合模型 (30)3.2.2 线性光谱混合模型求解 (31)哈尔滨工业大学工学硕士学位论文3.2.3 算法性能评价 (32)3.3亚像元定位 (35)3.3.1 空间相关性 (36)3.3.2 亚像元定位方法 (36)3.3.3 实验及结果分析 (37)3.4本章小结 (39)第4章异常目标检测与亚像元定位的总体实现 (40)4.1总体流程图 (40)4.2总体实现及实验结果 (41)4.2.1 异常检测 (41)4.2.2 异常目标区域的确定 (44)4.2.3 异常目标区域的端元提取及光谱解混 (45)4.2.4 异常目标的亚像元定位 (46)4.3本章小结 (47)结论 (48)参考文献 (50)攻读学位期间发表的学术论文 (54)哈尔滨工业大学硕士学位论文原创性声明 (55)哈尔滨工业大学硕士学位论文使用授权书 (55)致谢 (56)哈尔滨工业大学工学硕士学位论文第1章绪论1.1 课题背景及研究意义遥感(remote sensing)一词自1960年正式出现在美国一项军事科研计划中，并于1962年密执安大学等单位举办的第一届环境遥感学术讨论会上正式采用以来，已经成为全球广泛传播的高科技名词术语之一。