论文部分内容阅读
高光谱影像的光谱分辨率达纳米级，能够探知在多光谱及全色影像中不可探测到的地物与目标，已经被应用于地质勘测、森林监管、灾害评估等领域。但是，由于成像系统能量有限及拍摄距离较远，高光谱影像的空间分辨率较低，可能影响基于高光谱影像的应用结果的准确性。对高光谱影像进行多源融合处理是提高其空间分辨率的一个有效方法。全色传感器提供的全色影像具有较高的空间分辨率。对高光谱影像和全色影像进行融合处理，可以得到高光谱分辨率和高空间分辨率的高光谱影像，有利于提高后续应用的准确性。基于高光谱影像的应用中，检测处理是一项十分重要的研究课题。根据是否能够获取目标的先验光谱信息，分为目标检测和异常检测。在实际情况中，很难获得目标真实的先验信息。异常检测不需要获取先验目标信息，更具有应用实用性，深受广大学者的关注。
现阶段，高光谱影像融合和异常检测处理还存在一些需要探讨与解决的问题：其一，如何对高光谱和全色影像进行高效准确的融合处理，且在有效提升高光谱影像的空间信息的同时，较好地保持原始高光谱影像的光谱信息。其二，对于异常检测处理，如何有效抑制背景信息，如何解决受一些实际观测环境影响引起的“同物异谱”现象，降低虚警或者漏警，如何充分利用光谱和空间联合特性进行检测处理。其三，如何研究高光谱影像融合处理对异常检测处理的影响。针对上述这些问题，本文深入分析高光谱影像的光谱和空间数据特性，提出了高光谱影像与全色影像的高效融合处理算法，探索了基于光谱特性和基于空谱联合特性的异常检测算法，并研究了融合处理对异常检测处理的影响。本论文的主要贡献概括如下：
1．基于成分替换的融合方法在使用全色影像替换高光谱影像的空间信息过程中混入全色图像的低通分量，会导致融合结果出现光谱失真现象。针对这一问题，本文将引导滤波引入高光谱与全色影像的融合问题。基于引导滤波原理，分别以全色影像和高光谱空间分量作为引导图像和输入图像，将全色影像的细节信息传递给高光谱影像，提出了基于引导滤波的高光谱和全色影像融合算法，有效解决全色影像低通分量混入融合图像的难题。在此基础上，本文深入研究高光谱影像的数据特性，提出改进的基于引导滤波的融合算法。通过利用引导滤波深入挖掘全色影像与高光谱单波段之间的空间细节差异准确估计高光谱每个波段所缺失的空间细节信息。进一步改进了基于引导滤波的融合方法的性能。实验结果表明，提出的方法实现快速高效，且在高光谱影像空间信息提升和原始光谱信息保持方面均取得了较好的效果。
2．同一场景的高光谱影像和全色影像包含不同且互补的光谱和空间信息。现有的方法比如成分替换和多分辨分析方法均是从全色影像中提取空间信息，没有考虑高光谱影像的空间信息，可能导致注入高光谱影像的空间信息不充足，引起融合结果欠锐化。针对这一问题，本文提出了基于结构张量的融合方法。该方法充分考虑高光谱影像和全色影像的空间结构信息，通过计算和分析全色影像像素点的结构张量，提取其空间细节，并提出基于加权结构张量的优化方案，将高光谱影像的空间信息和全色影像的空间信息进行融合，实现精确估计高光谱影像缺失的空间信息。通过在模拟和真实数据上进行实验测试，表明提出的方法可以在有效提升高光谱影像空间信息的同时很好地保持原始光谱信息。
3．高光谱影像的异常像素与背景像素具有不同的光谱特征，可以得先验信息：异常像素在一些波段的光谱值与背景像素在相应波段上的光谱值是不同的。基于此，利用高光谱影像的光谱特性，本文提出了基于高斯混合模型的异常检测方法，有效解决高光谱高维度和背景信息干扰问题。该方法对高光谱影像进行波段划分，并进行波段融合，实现降维处理。提出了基于高斯混合模型的异常提取方法，用于提取降维影像各波段的异常像素。利用基于高斯混合模型的加权方法融合提取的异常像素，自适应地构造检测图。实验证明了本文的降维处理极大减少计算量，有效提高检测性能；还表明提出的方法取得了较好的结果，可以有效去除背景信息，准确提取目标像素。
4．大多数检测算法仅利用高光谱光谱特性，且高光谱影像的空间分辨率较低，使得目标空间特性不足。针对这一问题，本文提出基于空间特性增强的空谱联合异常检测方法，充分利用光谱和空间特性，有效减少漏检和“同物异谱”现象。该方法使用提出的融合算法增强空间特性，加强背景像素和异常像素的可分性。采用顶帽变换和黑帽变换对融合的影像进行空谱联合检测，并设计加权结构张量优化策略得到异常检测图。实验结果表明提出的方法检测出的目标更完整，漏检现象较少，取得了较高的检测精度。
5．基于提出的融合与异常检测算法，研究了融合处理对异常检测处理的影响。一方面本文研究融合处理对基于光谱信息的异常检测处理的影响，分析和实验结果表明提出的融合处理可以有效保持光谱信息，且融合处理不一定能显著提升光谱特性检测方法的性能。另一方面研究融合处理对基于空谱联合信息的检测处理的影响，分析和实验验证表明融合处理可以提升空谱联合检测处理的检测性能。融合处理能够保持光谱信息且增强空间特性，给空谱联合检测处理提供原始充足的光谱特性和更多的空间特性，更有利于挖掘空间信息，检测出更完整的目标，取得更好的检测性能。
现阶段，高光谱影像融合和异常检测处理还存在一些需要探讨与解决的问题：其一，如何对高光谱和全色影像进行高效准确的融合处理，且在有效提升高光谱影像的空间信息的同时，较好地保持原始高光谱影像的光谱信息。其二，对于异常检测处理，如何有效抑制背景信息，如何解决受一些实际观测环境影响引起的“同物异谱”现象，降低虚警或者漏警，如何充分利用光谱和空间联合特性进行检测处理。其三，如何研究高光谱影像融合处理对异常检测处理的影响。针对上述这些问题，本文深入分析高光谱影像的光谱和空间数据特性，提出了高光谱影像与全色影像的高效融合处理算法，探索了基于光谱特性和基于空谱联合特性的异常检测算法，并研究了融合处理对异常检测处理的影响。本论文的主要贡献概括如下：
1．基于成分替换的融合方法在使用全色影像替换高光谱影像的空间信息过程中混入全色图像的低通分量，会导致融合结果出现光谱失真现象。针对这一问题，本文将引导滤波引入高光谱与全色影像的融合问题。基于引导滤波原理，分别以全色影像和高光谱空间分量作为引导图像和输入图像，将全色影像的细节信息传递给高光谱影像，提出了基于引导滤波的高光谱和全色影像融合算法，有效解决全色影像低通分量混入融合图像的难题。在此基础上，本文深入研究高光谱影像的数据特性，提出改进的基于引导滤波的融合算法。通过利用引导滤波深入挖掘全色影像与高光谱单波段之间的空间细节差异准确估计高光谱每个波段所缺失的空间细节信息。进一步改进了基于引导滤波的融合方法的性能。实验结果表明，提出的方法实现快速高效，且在高光谱影像空间信息提升和原始光谱信息保持方面均取得了较好的效果。
2．同一场景的高光谱影像和全色影像包含不同且互补的光谱和空间信息。现有的方法比如成分替换和多分辨分析方法均是从全色影像中提取空间信息，没有考虑高光谱影像的空间信息，可能导致注入高光谱影像的空间信息不充足，引起融合结果欠锐化。针对这一问题，本文提出了基于结构张量的融合方法。该方法充分考虑高光谱影像和全色影像的空间结构信息，通过计算和分析全色影像像素点的结构张量，提取其空间细节，并提出基于加权结构张量的优化方案，将高光谱影像的空间信息和全色影像的空间信息进行融合，实现精确估计高光谱影像缺失的空间信息。通过在模拟和真实数据上进行实验测试，表明提出的方法可以在有效提升高光谱影像空间信息的同时很好地保持原始光谱信息。
3．高光谱影像的异常像素与背景像素具有不同的光谱特征，可以得先验信息：异常像素在一些波段的光谱值与背景像素在相应波段上的光谱值是不同的。基于此，利用高光谱影像的光谱特性，本文提出了基于高斯混合模型的异常检测方法，有效解决高光谱高维度和背景信息干扰问题。该方法对高光谱影像进行波段划分，并进行波段融合，实现降维处理。提出了基于高斯混合模型的异常提取方法，用于提取降维影像各波段的异常像素。利用基于高斯混合模型的加权方法融合提取的异常像素，自适应地构造检测图。实验证明了本文的降维处理极大减少计算量，有效提高检测性能；还表明提出的方法取得了较好的结果，可以有效去除背景信息，准确提取目标像素。
4．大多数检测算法仅利用高光谱光谱特性，且高光谱影像的空间分辨率较低，使得目标空间特性不足。针对这一问题，本文提出基于空间特性增强的空谱联合异常检测方法，充分利用光谱和空间特性，有效减少漏检和“同物异谱”现象。该方法使用提出的融合算法增强空间特性，加强背景像素和异常像素的可分性。采用顶帽变换和黑帽变换对融合的影像进行空谱联合检测，并设计加权结构张量优化策略得到异常检测图。实验结果表明提出的方法检测出的目标更完整，漏检现象较少，取得了较高的检测精度。
5．基于提出的融合与异常检测算法，研究了融合处理对异常检测处理的影响。一方面本文研究融合处理对基于光谱信息的异常检测处理的影响，分析和实验结果表明提出的融合处理可以有效保持光谱信息，且融合处理不一定能显著提升光谱特性检测方法的性能。另一方面研究融合处理对基于空谱联合信息的检测处理的影响，分析和实验验证表明融合处理可以提升空谱联合检测处理的检测性能。融合处理能够保持光谱信息且增强空间特性，给空谱联合检测处理提供原始充足的光谱特性和更多的空间特性，更有利于挖掘空间信息，检测出更完整的目标，取得更好的检测性能。