基于非线性核映射的高光谱图像异常小目标检测方法研究-东篱科研大数据发现系统（DRDS）

位置：立项数据库 > 立项详情页

基于非线性核映射的高光谱图像异常小目标检测方法研究

项目名称：基于非线性核映射的高光谱图像异常小目标检测方法研究
项目类别：面上项目
批准号：61077079
申请代码：F050405
项目来源：国家自然科学基金
研究期限：2011-01-01-2013-12-31

项目负责人：赵春晖
负责人职称：教授
依托单位：哈尔滨工程大学
批准年度：2010

中文摘要：

本项目提出了基于核机器学习理论的非线性高光谱异常小目标检测方法。主要思想是在研究传统异常检测理论、算法的基础上，引入核机器学习理论，通过核映射手段挖掘高光谱数据蕴含的非线性特征信息，利用其高阶统计信息实现小目标的异常检测。以解决传统的异常检测方法仅利用了高光谱图像的低阶统计量，检测效果不理想的难题。本项目将通过对基于核映射的高光谱异常检测理论与算法的深入研究，构造非线性光谱模型，探索核函数的改进和优化策略，构造新型核函数并实现最佳检测阈值的自适应获取，同时进行非线性波段融合及非线性特征提取，提出新颖高效的高光谱图像异常检测算法；最后基于高速并行DSP、FPGA和异常检测技术，设计实现高光谱小目标异常检测的软、硬件仿真系统，为高光谱图像异常检测实用技术的研究提供一套新颖而有效的方法。本项目的研究将对高光谱图像处理理论的发展和高光谱遥感的应用产生积极推动作用，具有重要的学术意义和工程应用价值。

中文主题词：高光谱图像；异常检测；核机器学习理论；核映射；算法研究

英文摘要：

hyperspectral imagery；anomaly detection；kernel machine learning；kernel mapping；algorithm research

英文主题词： hyperspectral imagery；anomaly detection；kernel machine learning；kernel mapping；algorithm research

结论摘要：

由于不需要先验光谱信息，因此高光谱图像小目标异常检测技术具有更强的实用性，在战场成像侦察和军事打击，以及民用勘测等方面获得了普遍重视和应用，现已成为高光谱遥感数据处理领域最为重要的研究方向之一。本项目提出了基于核机器学习理论的非线性高光谱异常小目标检测方法。主要思想是在研究传统异常检测理论、算法的基础上，引入核机器学习理论，通过核映射手段挖掘高光谱数据蕴含的非线性特征信息，利用其高阶统计信息实现小目标的异常检测。以解决传统的异常检测方法仅利用了高光谱图像的低阶统计量，检测效果不理想的难题。本项目将通过对基于核映射的高光谱异常检测理论与算法的深入研究，构造非线性光谱模型，探索核函数的改进和优化策略，构造新型核函数并实现最佳检测阈值的自适应获取，同时进行非线性波段融合及非线性特征提取，提出新颖高效的高光谱图像异常检测算法，为高光谱图像异常检测实用技术的研究提供一套新颖而有效的方法。本项目的研究将对高光谱图像处理理论的发展和高光谱遥感的应用产生积极推动作用，具有重要的学术意义和工程应用价值。

成果综合统计