[发明专利]一种基于高阶统计量的高光谱图像目标检测方法

说明书

(一)技术领域：

本发明涉及一种基于高阶统计量的高光谱图像目标检测方法，属于高光谱遥感图像目标 检测技术领域。

(二)背景技术：

随着高光谱成像技术在过去三十年的迅猛发展，高光谱图像(Hyperspectral Images)的分析 和处理方法成为当前国内外遥感图像领域的研究热点之一。高光谱图像和传统遥感图像相 比，突出特点是光谱分辨率高，可获得观测对象的几十个甚至上百个光谱波段的图像信息。 成像光谱系统获得的连续波段宽度一般都在10nm以内，因此这种数据能以足够的光谱分辨 率区分出那些具有诊断性光谱特征的地表物质，这也是高光谱技术用于探测甚至识别地物的 物质基础(耿修瑞.高光谱遥感图像目标探测与分类技术研究[D].北京：中国科学院遥感应用研 究所，2005)。高光谱图像数据是一个数据立方体，其一层图像对应一个光谱波段；每个像 素点位置对应一条光谱曲线(贺霖，潘泉等.高光谱图像目标检测研究进展[J].电子学 报，2009，37(9)：2016-2024)。因此，高光谱图像具有图谱合一的特性，即同时包含被观测物 体的空间信息和光谱信息。

正是由于高光谱图像的高光谱分辨率，使得许多原来利用普通光学图像信息不能解决的 问题，可以通过分析高光谱数据得到解决。高光谱图像目标检测是利用已知的目标光谱信息 在高光谱图像中对感兴趣的目标进行检测、定位的技术(刘颖.高光谱图像目标识别新技术研 究[D].哈尔滨：哈尔滨工业大学，2007)。高光谱图像目标检测技术在军事和民用领域中都有重 要的应用价值。在军事领域可用于对飞机、坦克等军事目标进行检测、定位。在民用领域也 可用于房屋等目标的检测。

目前存在的高光谱图像目标检测方法，主要是基于统计方法。其中经典的有匹配滤波器 (MF，Matched Filter)，能量约束最小化(CEM，Constrained Energy Minimization)，自适应匹配滤 波(AMF，Adaptive Matched Filter)，自适应一致性估计(ACE，Adaptive Coherence Estimator)等。 MF假设目标像素和背景像素分别服从均值不同但协方差相同的高斯分布，然后利用Fisher 线性判别准则构造检测算子。CEM在对目标光谱增益为1的约束下，最小化输出数据的能量， 求解出检测算子。AMF假设背景服从零均值高斯分布，包含背景的像素也服从高斯分布，协 方差和背景的协方差相同，但均值由目标子空间决定。ACE假设背景服从零均值高斯分布， 包含背景的像素也服从高斯分布，协方差和背景的协方差结构相同但方差不同，均值由目标 子空间决定。AMF和ACE都是基于广义似然比检验的方法，根据像素服从的概率分布的假 设进行广义似然比检验，得出检测结果。

目前存在的这些目标检测方法主要利用数据的二阶统计量进行计算，主要涉及到了数据 的协方差阵或相关阵，而没有利用数据的高阶统计量。而数据的高阶统计量往往包含着数据 更重要的特征信息，对检测来说是非常有用的。在复杂背景下，目标所占的像素往往很少， 高阶统计量能够更好的描述目标的统计特征。本发明针对上述情况，提出一种基于高阶统计 量的目标检测方法，充分利用了数据的高阶统计信息，取得了较好的效果。

(三)发明内容：

1、目的：本发明的目的是提供一种基于高阶统计量的高光谱图像目标检测方法，它充分 利用数据的高阶统计量，取得了较好的检测效果，特别是能够提高低虚警率情况下的检测概 率，这点对于实际应用是十分有利的。

2、技术方案：本发明是通过以下技术方案实现的：

本发明一种基于高阶统计量的高光谱图像目标检测方法，它包括如下步骤：