高光谱异常探测研究背景与意义

高光谱异常探测研究背景与意义

来源： 侯增福，基于协同表示与非监督最邻近规则子空间的高光谱影像异常探测 [D]. 2019.
欢迎学习交流！
邮箱： z…@1…6.com
网站： https://zephyrhours.github.io/

研究背景与意义

人类对地球表面的认知与探索同人类的历史进程一样经历了数万年之久。得益于科学技术的进步，人类对外太空的探索方式不断地更新，20世纪60年代初，人类首次通过发射人造地球卫星来获取对地观测影像，空间与信息技术的飞速发展使得人类逐渐有能力从更为广阔的空间与视角来观测与获取地球表面信息。随着上个世纪70年代陆地资源卫星的成功发射，极大地推动了遥感科学的研究与发展。而遥感技术作为一种间接接触地物的远距离观测方式，逐渐引起了很多科研人员的关注。高光谱遥感成像技术通过在概念上和技术上创新，巧妙的将光谱信息与影像信息结合，从而生成了具有地物光谱特性的影像信息数据。这种将影像信息与光谱信息合一的技术，为人们深层次地研究地物的特性提供了可靠的手段，并将遥感影像从宏观信息的研究拓展到了微观特性的研究。

在众多科研项目的支持下，高光谱遥感技术得到了进一步的发展，尤其是在影像处理、信息解译和产业化应用等方面的诸多难题都得以解决，并在农业估产、矿物探测、环境保护、文物恢复等多领域中发挥了巨大作用。如今随着我国高分五号卫星的成功发射，标志着我国高光谱遥感技术的发展进入了新的阶段，如何对获取的海量高光谱数据信息进行实时有效地处理，变得尤为重要。

高光谱成像光谱仪对成像范围内的波段进行了细致的划分，并将每个成像波段的宽幅限制在10nm内，通过增加成像范围内的波段数量来细致的刻画每种地物反射光谱特征。与多光谱成像光谱仪相比，通过高光谱成像光谱仪所获取的影像数据的差异主要表现在高光谱数据立方库的维度上。基于高光谱影像的这一特点，在每个数据立方体中提取的像元所对应的特征向量可以构成一条连续的光谱曲线，且这条光谱曲线随着波段数的增多而变得越来越光滑。不同地物在相同的波段范围内的反射或吸收情况不同，细微的差异在数字影像上以辐射亮度的形式展现出来。在高光谱影像中，通过对波段的宽幅进行限制，来获取更多的波段数量，以此来捕捉地物在不同波段的细微变化，这种变化以数值的形式被捕捉在数据立方库中，并在二维影像中以光谱曲线的形式表现出来。在高光谱数据处理中，这种光谱曲线的变化能够提供区别于不同地物的诊断性特征信息，基于此可以将感兴趣目标与背景地物分离开来。

高光谱遥感技术所具有的实际应用价值为民用生产、生态建设以及国防发展等做出了巨大贡献。在目标探测领域中，高光谱影像可以借助各种地物特有的光谱曲线特征来识别许多在多光谱影像中无法使用肉眼辨识的相似地物，尤其是在军事战场伪装目标识别中起到了非常重要的作用。由于这些重要的应用价值，使得高光谱影像目标探测算法的研究在高光谱遥感数据分析与处理领域中一直占据着重要位置。在高光谱遥感影像目标探测中，总得来说可以把现有的研究依据待探测目标是否含有先验信息而分为两类，即包含先验知识的目标探测和不包含先验知识的目标探测，此类又称之为异常探测。然而在很多实际应用的场景下，受到天气、地形等因素的影响，人们往往很难事先获取目标地物的光谱信息，即无法通过信息匹配的方法来找到需要的目标地物，因而只能根据待探测目标具有区别于周围地物的光谱曲线的特点完成目标的探测与识别。由于异常探测算法不需要任何外在条件的辅助就可以完成目标的识别，因而这种仅仅根据目标地物与背景地物的差异性而进行探测的异常探测方法就成为了近些年来很多学者研究的重点。高光谱影像异常探测算法的研究具有非常重要的意义，并已在很多领域中获得了成功的应用，产生了巨大的经济效益和社会效益。例如，不同矿物的探测和识别、大面积的病虫害检测、在公共区域进行高危险物质探测、大面积森林的火灾监测和战场伪装目标的识别等多个方面。高光谱遥感影像中的异常探测是目标探测从监督到非监督的重要跨越，是从人工干预到智能化发展的关键一步。

对于高光谱遥感影像而言，通常在保持较高的光谱分辨率情况下，无法有效的保持高空间分辨率。因而在传统高光谱异常探测算法中，仅仅利用了高光谱影像区别于多光谱影像的独特光谱信息，通过利用概率统计和构建合适子空间模型来完成异常目标的探测，这种方法只有在影像数据符合设定的模型规律时才会获得较好的探测效果。基于线性表示的异常探测算法由于不需要任何的模型假设，通过利用背景像元之间存在相似性关系，然后采用线性表示的方法来完成异常目标的探测，这种方法有效的利用了待测试像元周围的局部空间信息和背景光谱信息，因而在高光谱遥感影像异常探测中获得了成功的应用，取得了不错的探测效果，然而这种算法仍然需要进一步的完善和发展。

论文对现有的采用线性表示进行背景数据重构的高光谱影像异常探测算法进行了深入分析和研究，并对该种算法当前存在的不足之处进行了完善和改进，提出了两种新的改进算法。改进的算法在当前基于线性表示的算法基础上通过利用局部双窗口滑动求和策略来充分的利用待测试像元周围的背景统计信息，来增强探测算法的鲁棒性，同时分别在两种算法中引入反距离权重和异常剔除策略来排除异常值对线性表示过程的影响。改进之后的算法在克服原有算法本身不足之处的同时，加强了对背景信息的抑制，使得背景地物与异常目标得到了有效的分离，并通过实验验证了提出的两种算法在高光谱遥感影像异常探测中的有效性。