论文部分内容阅读
随着军事监测与侦察领域的迅猛发展,对成像系统检测与识别性能的需求不断增加,传统单谱段或多谱段成像难以实现对目标的高性能检测与识别,高光谱成像技术因其具有同时获得光谱分辨率较高的多个连续谱段图像的优势,成为未来空间光学载荷的重要发展方向。但根据光谱成像技术原理及现有研究:高光谱图像存在数据量大、信息冗余度高、空间分辨率低等局限,导致算法计算量大、数据解译效率低、目标与背景光谱混叠等问题,使得目标检测与识别难度进一步增大,无法满足系统对于目标的实时判读解译需求,因此需要针对高光谱图像研究高效的目标检测与识别策略。为解决上述问题,本文分析了影响目标可检测性能与可识别性能的各种因素,开展了谱段优选、目标检测与识别方法研究。主要研究工作如下:(1)进行了目标可检测性与可识别性的影响因素分析。从成像全链路角度出发,分析目标/背景辐射、大气传输以及探测系统成像过程中产生的光谱混叠、辐射衰减、像质模糊、噪声干扰等效应对目标可检测性能与可识别性能的影响,针对各环节带来的不同影响给出谱段优选、目标检测与识别方法设计的相关建议,为后续研究提供理论支撑。(2)提出了面向检测与识别任务的谱段优选方法。以提升目标的可检测性能为宗旨,针对不同谱段内背景杂波与系统噪声对目标检测干扰程度的差异,依据信号可分性最大化原则,建立了背景杂波与系统噪声度量模型,并在此基础上提出了目标检测谱段优选方法;此外,依据各谱段内目标可识别性能的差异特性,构建了丰度反演可靠性度量模型与类别可分性度量模型,继而提出了目标识别谱段优选方法,并进行了仿真实验,给出了目标检测与识别谱段的优选结论。(3)提出了复杂云背景中弱小目标检测方法。针对云背景复杂多变以及目标的多尺度、多工况特性,以同时满足算法具有高检测概率、低虚警概率为设计目标,基于数学形态学理论,结合多尺度滤波融合思想,构建了全方位多尺度形态学自适应滤波器,有效地抑制了背景,同时开展了自适应阈值分割目标检测方法的研究,在提取目标的同时剔除虚警,并针对管道滤波算法对窗口中背景杂波点、多个疑似目标点、不同速度目标点难以高效处理的问题,提出了基于目标尺度与运动估计的多管道滤波方法,对目标进行高效确认,并利用仿真图像对检测算法的性能进行了验证。(4)提出了复杂云背景中混合像素目标识别方法。依据类别可分性最大化原则,提出了目标导数光谱曲线特征提取方法,引入了光谱曲线编码思想,构建了目标识别特征库,并基于线性混合理论框架,结合分辨率转换与特征增强思想,建立了空中运动点目标解混模型,同时基于辐射传输理论,提出了空中运动点目标大气辐射校正方法,针对非平衡决策树结构设计与分类超平面倾斜抑制的难题,研究高效的模型构建方法,从而提出了基于决策树多分类支持向量机的目标分类方法,并用仿真实验验证了本文方法的性能。