第33卷，第6期 2013年6月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 33, No. 6, pp1653-1657
June，2013
面向对象分析的非结构化背景目标高光谱探测方法研究
刘凯"，张立福·，杨杭"，朱海涛"，姜海玲，李瑶
1中国科学院遇感应用研究所遇感国家重点实验室，北京100101 2.北京大学遥惠与GIS研究所，北京100871
摘要针对非结构化背景探测器中背景协方差矩阵估计的局限性，提出了一种基于面向对象分析的高光谱小目标探测算法。首先对图像进行自适应选代分制处理，将其划分为许多均质对象；然后进行正态最优分布选取，利用多元正态无偏检验选取最佳对象集；最后将此数据集合作为局部背景并结合GLR基准算法进行目标探测。该算法可以使局部背景最大化的服从正态分布，有效地将背景光谱信息和目标光谱信息分离开来，同时通过最优选取过程克服了目标信息“污染"间题。为了验证算法的有效性，利用真实的OMIS数据进行仿真实验，并与非结构化背景探测器GLR和基于K-Means聚类的改进GLR算法的检测结果比较，结
果表明提出的算法具有良好的操测性能和较低的虚概率。关键词高光谱；目标探测；非结构化；面向对象分析
中图分类号：TP751.1
引言
文献标识码：A
DOI: 10. 3964/j. issn. 10000593(2013)06-1653-05
Carlotto提出了一种基于动态聚类的目标探测算法CBAD，该算法假设各个聚类上的灰度分布近似符合高斯分布；刘德连也提出了一种基于纹理分割的遥感图像目标探测算法
目标探测是将感兴趣目标地物与非目标地物即背景地物分离的过程，其中目标和背景的差异是探测的关键间题。高光谐遇感影像具有光谱分辨率高，光谐连续和图谱合一的特性，可以反肤不同物质之间的细微光语差异，利用这一点可以有效地进行感兴目标的探测。
非结构化背景探测器是一类常见的高光谱探测算法[2)，其假设非感兴趣区域均质并可由多元正态分布表示，在噪声协方差矩阵及噪声强度未知、背景信号子空间和目标信号子空间已知的情况下，利用样本数据对噪声协方差矩阵进行估计，并结合广义似然比构造匹配目标子空间。Kelly首先提出了以非结构化背景与丰度加权目标信号之间的加性模型为基础的广义似然比构造探测算子GLR，在此基础上Kraut和 Scharf提出了自适应余弦一政性评估ACE和自适应匹配滤波器AMF，国内学者张良培引人了端元可变的思想，并结合拥有实际物理意思的丰度信息提出了HUD探测器[5]。
后来，学者们发现若采用单一局部场景进行背景统计可以提高非结构化背景探测器的性能，这一改进比探测器本身的改进更具有潜力[}，Funk等利用K-means算法对影像进行分类，然后用聚类的统计信息代替全局背景进行探测)；
收稿日期：2012-10-19，修订日期：2013-01-19
TBAD9。总的来说，目前各种基于动态场景的非结构化背景探测器，多集中在仅利用影像光谱信息进行简单聚类，并不能较好的满足背景多元高斯分布这一基本假设。鉴于此本文提出了一种面向对象分析的非结构化背景探测方法OB GLR，利用影像的空间信息和光谐知识对其进行分割，针对每一类地物选取适量对象集样本，使其服从最佳多元正态分布，然后运用局部对象集进行背景估算并基于GLR算法进行目标探测。
1算法原理
本文首先对影像进行独立成分分析（ICA)，实现原始高光谱影像的降维处理；然后运用分形网络演化方法（FNEA）在降维后的特征空间上自适应分制，并结合多元正态无偏估计理论对分割对象进行卡方检验，选取最佳高斯分布对象
集；最后基于非结构化探测器进行目标探测。 1.1独立成分分析
独立成分分析(ICA)是一种盲信号分离技术，其基本思路就是将多维观察信号按照统计独立的原则建立目标函数，
基金项目：国家自热科学基金项目（41072248）和环境保护部重大公益项目（2011467071）资助作者简介：刘凯，1986年生，中国科学院逐感应用研究所硕士研究生
e-mail;kai_liu8787@126.com
·通讯联系人
万方数据
e-mail;zhanglf@irsa.ac.cn