高 光 谱 遥 感Hyperspectral Remote Sensing第四讲 高光谱图画特征提取与光谱解混合 高光谱数据降维 光谱特征提取 光谱混合模型图画光谱特征改变剖析、光谱混合机理、混合模型 线性混合模型端元提取端元提取的意图和含义、线性混合模型端元提取原理、线性混合模型端元数意图估量、线性混和模型端元提取办法 线性混合模型光谱解混合光谱解混合的含义和原理、光谱解混合办法、光谱解混合的运用上一讲内容回忆 高 光 谱 遥 感Hyperspectral Remote Sensing第五讲 高光谱图画方针检测本讲内容所在的方位联系高光谱遥感运用根本流程 本 讲 内 容高光谱图画方针检测高光谱遥感的军、民运用数据降维地物光谱特性剖析传感器定标几许校对光谱特征提取高光谱图画地物分类高光谱成像机理辐射校对端元提取反射率反演依据光谱特征的地物辨认遥感物理学根底光谱解混合图画紧缩与解紧缩高光谱图画预处理特征提取与解混合数据处理技能光谱的获取运用第五讲 高光谱图画方针检测本 讲 内 容 高光谱图画方针检测技能概述 依据纯点模型的方针检测 依据多元核算混合模型的方针检测 依据几许办法混合模型的方针检测 高光谱图画反常检测第五讲 高光谱图画方针检测接下来……高光谱图画方针检测概述㈠高光谱方针检测的优势㈡高光谱方针检测办法分类㈢高光谱方针检测的一般流程依据纯点模型的方针检测依据多元核算混合模型的方针检测依据几许办法混合模型的方针检测高光谱图画反常检测㈠高光谱方针检测的优势具有光谱辨认和辨别方针的才能，对图画空间分辨率的要求不高。凭借光谱信息能够在场景中差异实在和钓饵方针。具有在杂乱布景条件下自动检测图画反常的才能。一般，遥感图画方针检测是树立在必定先验信息的根底上。反常检测算子能够在没有先验信息的条件下检测与周围环境存在光谱差异的方针。一 高光谱图画方针检测概述㈡高光谱方针检测办法分类分类办法：按先验信息的有无按数据观测模型按技能道路一 高光谱图画方针检测概述原始的高光谱数据预处理·数据格式化·坏点修正·波段配准·无用数据删去波段交融和波段挑选·取样·均匀辐射校对数据调整·白化·切割·归一化已知方针和布景方针检测不知道方针已知布景部分反常检测输出成果已知方针不知道布景方针检测不知道方针和布景自适应反常检测·图画解译参数以及阈值确认·离线的大气校对人工输入㈡高光谱方针检测办法分类按先验信息有无：一 高光谱图画方针检测概述㈡高光谱方针检测办法分类按数据观测模型：依据纯点模型的检测依据混合点模型依据线性混合模型依据非线性混合模型一 高光谱图画方针检测概述核算办法几许办法㈡高光谱方针检测办法分类按技能道路：依据核算办法的检测纯点模型线性混合模型依据几许办法的检测纯点模型线性混合模型一 高光谱图画方针检测概述㈢高光谱方针检测一般流程现在所选用的大部分检测算法，其算子的处理流程可分为两步：空间投影意图：按捺布景的信号能量，杰出方针能量。方针与布景别离阈值切割方针辨别一 高光谱图画方针检测概述xF(x)MdF(x)第二阶段：检测器榜首阶段：投影滤波器第五讲 高光谱图画方针检测接下来……高光谱图画方针检测概述依据纯点模型的方针检测㈠纯点模型㈡依据纯点模型的似然比查验㈢依据纯点模型的检测办法依据多元核算混合模型的方针检测依据空间投影的混合模型方针检测高光谱图画反常检测㈠纯点模型纯点模型不考虑光谱混合，模型相对简略方针与布景之间除了二次散射和暗影的联系外，不存在其他的相互作用，观测数据要么是归于方针，要么是归于布景。图画观测光谱能够写为如下办法：二 依据纯点模型的方针检测为观测光谱向量其间：为布景光谱。 为方针光谱附加噪声或许写成如下办法：㈠面向方针检测的纯点模型一般，咱们将布景和噪声结合在一起，称之为搅扰，可定义搅扰模型：多元正态散布是最常用的核算散布之一，这首要是因为它具有杰出的可操作性，且现已成功地运用于许多方针检测技能中。针对搅扰模型，可假定v遵守多元正态散布：二 依据纯点模型的方针检测为布景搅扰均值：方差：㈡依据纯点模型的似然比查验关于方针检测问题，能够运用二元似然比查验构建检测算子，关于给定的观测波谱，似然比由条件概率密度给出：如运用极大似然估量等办法，可获取上式中的部分核算参数，则可称为广义似然比查验（ GLRT ）。二 依据纯点模型的方针检测的值大于某一个阈值，则承受方针存在的假定。㈡依据纯点模型的似然比查验 关于非搅扰模型，运用多元正态散布表明的二元假定查验的办法如下：似然比函数的天然对数办法如下： 可视为空间投影,下一步便是确认检测阈值。二 依据纯点模型的方针检测无方针有方针=㈡依据纯点模型的似然比查验 依据该似然函数，运用恒虚警率（CFAR）确认检测阈值。所需求的阈值 为：关于搅扰模型，其方针与布景核算散布的方差可视为一起（为什么？），则似然函数中：由此，似然函数可简化为：二 依据纯点模型的方针检测是预先确认的虚警概率先验光谱信息㈡依据纯点模型的似然比查验 因为检测器输出是多个多元正态散布的线性组合：上式中，C可视为匹配滤波器（Match Filter）。因而：似然函数的输出也遵守正态散布，能够用正态散布CFAR原则来核算阈值。二 依据纯点模型的方针检测㈡依据纯点模型的似然比查验 小结：依据纯点模型的似然比查验的算子办法为：切割阈值的核算为：二 依据纯点模型的方针检测㈢依据纯点模型的检测办法 CEM（Constrained Energy Minimization）算法CEM算子是从信号处理的匹配滤波器视点提出。将高光谱图画数据视为多维信号序列。通过滤波器（投影），杰出已知方针，限制不知道布景信号。二 依据纯点模型的方针检测㈢依据纯点模型的检测办法 CEM（Constrained Energy Minimization）算法对感兴趣方针d，规划一个线性滤波器c，使图画的滤波输出能量最小则滤波器的算子办法：二 依据纯点模型的方针检测㈢依据纯点模型的检测办法 CEM（Constrained Energy Minimization）算法这样的构成的检测算子就称之为束缚能量最小化算法（CEM）二 依据纯点模型的方针检测其间：数据的互相关矩阵㈢依据纯点模型的检测办法 CEM（Constrained Energy Minimization）算法比较搅扰模型似然比算子与CEM算子，其不同就在于观测值是否消除了均值向量的影响以及一个系数。二 依据纯点模型的方针检测搅扰模型的滤波算子CEM滤波算子CEM是运用数据的互相关矩阵代替互协方差矩阵。CEM增加了一个份额系数。㈢依据纯点模型的检测办法 先验信息和后验信息先验信息：事情产生前（遥感数据未产生时），已有的关于数据内容的常识。例如，光谱库的谱线等。后验信息：事情产生今后（已得到遥感数据）再从中获取的信息。在高光谱遥感中，运用端元提取获取的光谱信息，都归于后验信息。此外，对数据的核算剖析所取得参数也归于后验信息，它们都是对实践的核算参数的估量。二 依据纯点模型的方针检测㈢依据纯点模型的检测办法 先验信息和后验信息在检测算法中，大部分的参数可运用后验信息估量得到，首要是正态散布的核算参数：二 依据纯点模型的方针检测估量均值估量互协方差矩阵(a)(b)第19波段（波长方位：675.8nm）图画及数据处理区域，（a）具有均一地物类型的图画，（b）方针所在区域㈢依据纯点模型的检测办法 检测成果展现所选数据：二 依据纯点模型的方针检测㈢依据纯点模型的检测办法 检测成果所选数据：二 依据纯点模型的方针检测水泥跑道泥土地指挥塔水泥跑道㈢依据纯点模型的检测办法 检测成果展现处理成果二 依据纯点模型的方针检测投影后数据的CFAR成果CEM投影成果第四讲 高光谱图画特征提取与光谱解混合 高光谱数据降维 光谱特征提取 光谱混合模型图画光谱特征改变剖析、光谱混合机理、混合模型 线性混合模型端元提取端元提取的意图和含义、线性混合模型端元提取原理、线性混合模型端元数意图估量、线性混和模型端元提取办法 线性混合模型光谱解混合光谱解混合的含义、光谱解混合办法（最小二乘法）、光谱解混合的运用上一讲内容回忆 第四讲 高光谱图画特征提取与光谱解混合混合份额系数求解的物理含义:上一讲回忆第四讲 高光谱图画特征提取与光谱解混合上一讲回忆最小二乘法估量的混合系数为：估量差错为:正交补算子本讲内容所在的方位联系高光谱遥感运用根本流程 本 讲 内 容高光谱图画方针检测高光谱遥感的军、民运用数据降维地物光谱特性剖析传感器定标几许校对光谱特征提取高光谱图画地物分类高光谱成像机理辐射校对端元提取反射率反演依据光谱特征的地物辨认遥感物理学根底光谱解混合图画紧缩与解紧缩高光谱图画预处理特征提取与解混合数据处理技能光谱的获取运用第五讲 高光谱图画方针检测上一讲回忆高光谱图画方针检测概述高光谱方针检测的优势；高光谱方针检测办法分类（按先验信息的有无、按数据观测模型、按技能道路）；高光谱方针检测的一般流程（空间投影、方针与布景别离）。依据纯点模型的方针检测依据多元核算混合模型的方针检测依据空间投影的混合模型方针检测高光谱图画反常检测原始的高光谱数据预处理·数据格式化·坏点修正·波段配准·无用数据删去波段交融和波段挑选·取样·均匀辐射校对数据调整·白化·切割·归一化已知方针和布景方针检测不知道方针已知布景部分反常检测输出成果已知方针不知道布景方针检测不知道方针和布景自适应反常检测·图画解译参数以及阈值确认·离线的大气校对人工输入第五讲 高光谱图画方针检测按先验信息有无的分类：上一讲回忆第五讲 高光谱图画方针检测高光谱图画方针检测概述依据纯点模型的方针检测纯点模型（方针代替模型、搅扰模型）、依据纯点模型的似然比查验（依据方针代替模型和搅扰模型的二元假定查验、CFAR等）、依据纯点模型的检测办法（CEM算子）依据多元核算混合模型的方针检测依据空间投影的混合模型方针检测高光谱图画反常检测上一讲回忆第五讲 高光谱图画方针检测第五讲 高光谱图画方针检测方针代替模型搅扰模型上一讲回忆为观测光谱向量为布景光谱。 其间：为方针光谱附加噪声为布景搅扰第五讲 高光谱图画方针检测 关于方针代替模型，运用多元正态散布表明的二元假定查验的办法如下：似然比函数的天然对数办法如下：关于搅扰模型，则似然函数可简化为：上一讲回忆无方针有方针=第五讲 高光谱图画方针检测 CEM（Constrained Energy Minimization）算法比较搅扰模型似然比算子与CEM算子，其不同就在于观测值是否消除了均值向量的影响以及一个系数。上一讲回忆搅扰模型的滤波算子CEM滤波算子CEM是运用数据的互相关矩阵代替互协方差矩阵。CEM增加了一个份额系数。第五讲 高光谱图画方针检测接下来……高光谱图画方针检测概述依据纯点模型的方针检测依据多元核算混合模型的方针检测㈠依据混合光谱的二元假定查验㈡AMSD算法依据几许办法混合模型方针检测高光谱图画反常检测核算办法㈠依据混合光谱的二元假定查验因为对线性混合模型认知办法的不同，混合点检测算法一般被分为两类：依据核算办法的和依据几许办法的。依据核算办法的检测算法首要从核算模型和似然比查验的视点动身，认为图画数据遵守必定的核算散布，运用似然函数比构建检测器。三 依据多元核算混合模型的方针检测核算办法认为图画的改变首要来源于随机噪声向量，在检测进程顶用一个核算散布（一般为多元正态散布）来拟合。㈠依据混合光谱的二元假定查验一般认为：图画光谱改变首要来自于遵守必定核算散布（例如多元正态散布）随机向量的线性组合。对线性混合模型的数学表达式拆分，将代表布景和方针的端元差异开。 其间： 矩阵办法三 依据多元核算混合模型的方针检测代表了方针空间㈠依据混合光谱的二元假定查验 这样能够得到一个判别是否存在反常的二元检测模型：由此要规划一个似然函数：三 依据多元核算混合模型的方针检测无方针有方针 波段3PB波段2S波段1㈡AMSD算法 AMSD算法运用空间投影，树立似然函数，如图三 依据多元核算混合模型的方针检测为观测值是由布景端元构成的Q维子空间是由方针端元构成的P维子空间构成全空间的端元B点是P点在布景子空间中的投影，S则是它在全空间的投影。 AMSD检测器的结构示意图波段3PB波段2S波段1㈡AMSD算法 AMSD算法运用空间投影，树立似然函数，如图三 依据多元核算混合模型的方针检测B点是P点在布景子空间中最小均方估量，S则是它在全空间 上的估量值。PS⊥SB即PS ≤PB AMSD检测器的结构示意图㈡AMSD算法 AMSD算子办法：如图，因为PS ≤PB ，所以可运用广义似然比构建检测算子如下三 依据多元核算混合模型的方针检测有方针无方针 ㈡AMSD算法 AMSD算子办法：依据三角定理，还可简化上述似然函数：能够从分子和分母的核算特性推断出检测器是遵守一个F散布的核算量。其间，分子：分母：三 依据多元核算混合模型的方针检测㈡AMSD算法 AMSD算法是树立在先验光谱信息根底上的。在此，运用端元提取的成果，寻觅全端元和布景端元，构建子空间进行投影。三 依据多元核算混合模型的方针检测需求先验光谱信息投影后的直方图 AMSD算法投影成果㈡AMSD算法是否归于反常子空间 AMSD算法成果三 依据多元核算混合模型的方针检测T3检测成果与投影后图画与F散布之间比较T4T1T7第五讲 高光谱图画方针检测接下来……高光谱图画方针检测概述依据纯点模型的方针检测依据多元核算混合模型的方针检测依据几许办法混合模型的方针检测㈠正交子空间投影算法（OSP）㈡低概率检测算法（LPD）高光谱图画反常检测㈠正交子空间投影算法（OSP） 几许办法的方针检测算法不涉及到数据核算散布拟合的问题。依据几许办法的方针检测算法，它们来源于信号处理相关理论。这类算法的理论根底是最小二乘原理。最小二乘原理运用最小化观测值与模型之间的间隔来确认它们的符合程度，它的最大长处在于不需求知道数据遵守什么样的核算散布，因而它不用估量观测数据的核算参数。四 依据几许办法混合模型的方针检测㈠正交子空间投影算法（OSP） 在高光谱图画处理范畴，运用最小二乘原理构建检测算子的办法有许多，其间以Harsanyi 和Chang提出的正交子空间投影（Orthogonal Subspace Projection，OSP）算法及其系列算法运用的最为广泛。OSP算法一般分为两步：榜首步是运用正交子空间投影来按捺布景，第二步是运用匹配滤波来杰出方针。四 依据几许办法混合模型的方针检测㈠正交子空间投影算法（OSP） 类似于核算办法的检测办法，这一类反常检测办法也需求运用方针与布景别离的线性混合模型：四 依据几许办法混合模型的方针检测为方针光谱向量方针信息布景信息为布景端元矩阵为白噪声㈠正交子空间投影算法（OSP） 布景端元构成一个矩阵，它是影响方针检测的首要搅扰源，OSP算法的榜首步是要消除布景端元矩阵OSP算子首先将观测数据投影到 子空间的正交子空间中，这个投影算子表明为四 依据几许办法混合模型的方针检测㈠正交子空间投影算法（OSP） OSP算法榜首步： 矩阵的构建：其间：#代表求矩阵的伪逆矩阵：这一算子与最小均方理论中的正交补算子类似四 依据几许办法混合模型的方针检测㈠正交子空间投影算法（OSP） OSP算法第二步：OSP第二步是找到一个 维的向量 使得输出的信噪比最大：四 依据几许办法混合模型的方针检测㈠正交子空间投影算法（OSP） 两步组成的OSP算法：OSP算子办法：该算子作用于混合模型公式：四 依据几许办法混合模型的方针检测BAOSP算法处理成果，（A）（B）代表以不同方针光谱信息为先验信息的投影输出㈠正交子空间投影算法（OSP） OSP算子成果四 依据几许办法混合模型的方针检测㈠正交子空间投影算法（OSP） OSP算法的作用是将图画中所有像素向量投影到一组矢量方向（由方针向量和布景向量一起确认）上，算法将高光谱图画立方体转化成为多幅投影图画，每一个投影图画就代表一种方针的成果。四 依据几许办法混合模型的方针检测先验光谱信息的不同，产生不同的检测作用㈠正交子空间投影算法（OSP） 从理论上讲，OSP算法的输出并不满意CFAR检测的要求，但在实践运用中能够假定输出数据遵守某种核算散布，再运用CFAR原则来别离出图画反常。一般的，对数正态散布是一种比较好拟合散布。也能够运用一般的图画切割办法，例如依据直方图的自适应阈值法等。四 依据几许办法混合模型的方针检测㈡低概率检测算法（LPD） OSP算法需求已知端元向量，算法完成要凭借于端元提取的成果，特别是布景端元的提取。为了增强算法的实用性，Harsanyi提出了低概率检测（Low Probability Detection，LPD）算法。LPD算法假定：方针在图画中所占的面积十分小，从全体上看产生概率较低，可视为不存在。此刻，用图画明显特征值对应的特征向量代替OSP算法中的 个布景端元就构成LPD算法。四 依据几许办法混合模型的方针检测㈡低概率检测算法（LPD） LPD办法运用图画互相关矩阵的较大特征值对应的特征向量，代替OSP算法中的布景端元矩阵U，即：运用该矩阵构建正交子空间。四 依据几许办法混合模型的方针检测㈡低概率检测算法（LPD） 机理：图画互相关矩阵的前 几个特征向量构成的主成分重量会集了图画大部分的信息。因为图画的大部分信息都是布景，因而由此树立的端元矩阵则代表了图画布景的特色，然后省掉了布景端元提取的进程，增强了实用性。四 依据几许办法混合模型的方针检测㈡低概率检测算法（LPD） 其缺陷是：因为光辐射强度对错负的，则图画互相关矩阵的榜首特征向量必定对错负的。因为特征向量之间存在正交束缚，因而其他特征向量必定包含负值，这样它们就不能有用代表地物光谱，该算子对布景的按捺会没有针对性。假如运用较少特征向量会下降对布景的有用按捺，但假如运用过多的特征向量，因为图画能量较多会集在前几个特征向量，由此构成的投影算子会按捺方针，因而在构建LPD算子时需求细心考虑运用特征向量的数目。四 依据几许办法混合模型的方针检测第五讲 高光谱图画方针检测接下来……高光谱图画方针检测概述依据纯点模型的方针检测依据多元核算混合模型的方针检测依据几许办法混合模型的方针检测高光谱图画反常检测㈠高光谱图画反常检测㈡RX算法㈠高光谱图画反常检测 在实践运用中，要想获取先验光谱信息较难。从光谱数据库的视点来说，库存光谱曲线的规范性、适用性、齐备性等都存在缺乏，且现在还没有通用的光谱数据库。其次，地上实在丈量在实践运用（例如战场侦查）中简直不行完成。因而图画反常检测技能成为军事遥感运用研究的要点。五 高光谱图画反常检测㈠高光谱图画反常检测 反常检测算子能够在没有先验信息的条件下检测与周围环境存在光谱差异的方针（例如：在天然布景中的人工方针），具有较强的实用性。高光谱反常检测在军事侦查运用具有现实含义：反常检测可认为判读员对方针辨别和辨认供给开始成果，削减图画查找的进程。反常检测为多传感器相互协作的广域方针检测供给感兴趣区域（ROI）。反常检测不需求布景或方针的先验光谱信息，具有较强的实用性。一起，削减了因不精确的反射率反演带来的差错，下降了规范光谱数据对实在观测数据的“污染”。五 高光谱图画反常检测㈠高光谱图画反常检测 作为方针检测技能的一种特殊情况，反常检测与方针检测之间并没有实质的差异，因而，部分反常检测办法能够从方针检测办法中转化过来。关键是提取后验光谱信息来估量先验信息。反常检测也有包含纯点模型和混合点模型的检测办法。其间由Reed和Xiaoli Yu提出的自适应多波段的CFAR检测器是纯点模型中首要的检测算法，在没有先验信息的情况下就演化成RX算法，RX算法是现在较为广泛运用的反常检测办法之一。五 高光谱图画反常检测㈡RX算法 RX检测算法是一种依据方针代替模型的反常检测算子。方针代替模型通过简化后，RX算子表明为：五 高光谱图画反常检测无方针有方针其间为图画均值为数据的互协方差矩阵㈡RX算法 RX算子实践上是核算图画波谱与均值波谱的Mahalanobis间隔，是一种能量检测算子。RX算法输出具有近似的CFAR特性，其成果在理论上趋近于开方散布。算子公式中的互协方差矩阵还能够用数据的互相关矩阵代替，则RX算子进一步简化为：在RX算法中，能够看到只需求数据的互相关矩阵或互协方差矩阵。五 高光谱图画反常检测㈡RX算法 RX实践上是一种能量检测算子。假如用互相关矩阵的逆 的均方根分化带入算子： 则RX算子转化为： 五 高光谱图画反常检测方针方针波段2数据的球化波段1阈值RX算法㈡RX算法 改换 称之为白化或球化改换，因为它能使随机向量的的互相关矩阵成为单位矩阵，消除了波段之间的相关性。 五 高光谱图画反常检测RX算法输出成果的直方图RX算法滤波器输出成果㈡RX算法 RX算法成果五 高光谱图画反常检测㈡RX算法 在RX算法中，只需求数据的相关矩阵，而不需求任何其他信息。因而，它的算子办法关于每个像素点都是不同的。因为没有运用任何波谱信息，RX算法的实用性较强。在实践数据处理中，它是树立在多元正态散布的根底上，因为原始数据一般表现为多个正态散布的组合，因而RX更适合于用在部分规模里的反常检测。此外，因为算子是能量检测算子，关于相对布景差异不明显的反常（弱反常），其检测作用不抱负。五 高光谱图画反常检测第五讲 高光谱图画方针检测依据纯点模型的方针检测 CEM依据多元核算混合模型的方针检测 AMSD依据空间投影的混合模型方针检测 OSP LPD高光谱图画反常检测 RX小 结END第五讲 高光谱图画方针检测高光谱图画方针检测概述依据纯点模型的方针检测纯点模型（方针代替模型、搅扰模型）、依据纯点模型的似然比查验（依据方针代替模型和搅扰模型的二元假定查验、CFAR等）、依据纯点模型的检测办法（CEM算子）依据多元核算混合模型的方针检测依据混合光谱的二元假定查验（方针与布景别离模型）、AMSD算法依据空间投影的混合模型方针检测高光谱图画反常检测上一讲回忆第五讲 高光谱图画方针检测上一讲回忆高光谱图画方针检测概述依据纯点模型的方针检测依据多元核算混合模型的方针检测依据空间投影的混合模型方针检测正交子空间投影（OSP，依据线性混合模型）、低概率检测、（LPD，依据线性混合模型）高光谱图画反常检测AMSD：Adaptive Matched Subspace Detector
GB T 32610-2016_日常防护型口罩技能规范_高清版_可检索.pdf
