高光谱遥感目标检测概述

1.什么是高光谱遥感？
高光谱：光谱分辨率很高，400～2500纳米的波长范围内，其光谱分辨率小于10纳米。
特点：能够得到上百段的连续图像，且每个图像像元都可以提取一条光谱曲线

2.为什么要高效处理高光谱图像？
产生信息速度快，波段多导致信息多

3.高光谱遥感图像的用处？
（1）遥感地物分类
（2）目标识别，地物识别

4.处理图像的方法？
模式识别
模式识别的开始工作：特征提取或特征选择
引出：光谱特征分析模型
（1）光谱可分性准则
各样本间的平均距离，类别间相对距离，离散度，J-M距离
（2）光谱特征选择
光谱特征位置搜索，光谱距离统计，基于空间自相关的波段选择
（3）光谱特征提取
基于K-L（主成分）变换的特征提取——MNF变换
基于可分性准则
基于非线性准则
（4）光谱特征参量化

5.遥感地物分类？
概念：利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析，选择特征，并用一定手段将特征空间划分为互不重叠的子空间，然后将图像的各个像元划分到各个子空间中

步骤：确定分类类别，选择特征，提取训练数据，测量总体的统计量，分类，检验结果

分类器的构成：
分类特征，分类判据，分类准则，分类算法

分类算法：
（1）非监督分类算法
平行六面体法，聚类法，分裂法，动态聚类，K均值算法，ISODATE算法
（2）监督分类算法
最小距离分类，费舍尔线性判别分类，贝叶斯判别分类树，模糊分类，决策树法
（3）进阶：高光谱分类算法
二值编码匹配，光谱波形匹配，光谱角度填图，基于目标分解的神经网络分类像元空间关联下的高光谱图像分类

6.高光谱地物识别与目标检测
ENV流程：MNF最小噪声变换，确定数据维数，PPI像元纯度指数，n维可视化与端元选择，光谱解混

识别方法：
基于特征确认概率分析的目标识别
凸面几何体投影变换
约束能量最小化算法
基于加权样本自相关矩阵的目标检测算法
基于正交子空间投影的目标检测算法
基于数据白化距离的目标检测算法

目标检测的四个方面：
1.特征波段提取
2.已知目标已知背景：线性解混
3.已知目标未知背景
4.未知目标未知背景

高光谱目标检测的新型方法：
已经开发了许多用于HSI中目标检测的算法，例如匹配滤波器（MF）[6]、自适应相干/余弦估计器（ACE）[7]、正交子空间投影（OSP）[8]、约束能量最小化（CEM）[9]、分层CEM（hCEM）[10]，以及基于稀疏和协作表示（CSCR）的组合[11]。MF和ACE算法将目标检测视为低血压测试问题。OSP方法是基于子空间的方法的代表。CEM及其变体hCEM对目标或背景施加约束，并构建有限脉冲响应滤波器，从而最小化滤波器的输出能量。CSCR方法是一种典型的基于稀疏表示的目标检测方法。最近，提出了多实例（MI）频谱MF和MI-ACE，以从未精确标记的训练数据中估计HSI中的目标特征