高光谱遥感图像目标检测

1、SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 高高 光光 谱谱 遥遥 感感 Hyperspectral Remote Sensing SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 第四讲第四讲 高光谱图像特征提取与光高光谱图像特征提取与光 谱解混合谱解混合 上一讲内容回顾上一讲内容回顾 高光谱数据降维高光谱数据降维 光谱特征提取光谱特征提取 光谱混合模型光谱混合模型 图像光谱特征变化分析、光谱混合机理、混合模型图像光谱特征变化分析、光谱混合机理、混合模型 线性混合模型端元提取线性混合模型端元提取 端元提取的目的和意

2、义、线性混合模型端元提取原理、端元提取的目的和意义、线性混合模型端元提取原理、 线性混合模型端元数目的估计、线性混和模型端元提线性混合模型端元数目的估计、线性混和模型端元提 取方法取方法 线性混合模型光谱解混合线性混合模型光谱解混合 光谱解混合的意义和原理、光谱解混合方法、光谱解光谱解混合的意义和原理、光谱解混合方法、光谱解 混混合合的应用的应用 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 高高 光光 谱谱 遥遥 感感 Hyperspectral Remote Sensing 第五讲第五讲 高光谱图像目标检测高光谱图像目标检测 SIPASIPA NUD

3、TNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 数据数据 降维降维 端元端元 提取提取 光谱解光谱解 混合混合 光谱特光谱特 征提取征提取 本讲内容所处的位置关系 高光谱遥感应用基本流程高光谱遥感应用基本流程 地物光地物光 谱特性谱特性 分析分析 高光谱高光谱 成像机成像机 理理 遥感物遥感物 理学基理学基 础础 传感器定传感器定 标标 高光谱图像高光谱图像 目标检测目标检测 高光谱图像 地物分类 基于光谱特 征的地物识 别 高光高光 谱遥谱遥 感的感的 军、军、 民应民应 用用 光谱的获取光谱的获取 高光谱图高光谱图 像预处理像预处理 特征提取特征提取 与解混合与解混合 数据处

4、理数据处理 技术技术 应用应用 几何校正几何校正 辐射校正辐射校正 反射率反反射率反 演演 图像压缩图像压缩 与解压缩与解压缩 本本 讲讲 内内 容容 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 第五讲第五讲 高光谱图像目标检测高光谱图像目标检测 本本 讲讲 内内 容容 高光谱图像目标检测技术概述高光谱图像目标检测技术概述 基于纯点模型的目标检测基于纯点模型的目标检测 基于多元统计混合模型的目标检测基于多元统计混合模型的目标检测 基于几何方式混合模型的目标检测基于几何方式混合模型的目标检测 高光谱图像异常检测高光谱图像异常检测 SIPASIPA NUD

5、TNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 第五讲第五讲 高光谱图像目标检测高光谱图像目标检测 高光谱图像目标检测概述高光谱图像目标检测概述 高光谱目标检测的优势高光谱目标检测的优势 高光谱目标检测方法分类高光谱目标检测方法分类 高光谱目标检测的一般流程高光谱目标检测的一般流程 基于纯点模型的目标检测基于纯点模型的目标检测 基于多元统计混合模型的目标检测基于多元统计混合模型的目标检测 基于几何方式混合模型的目标检测基于几何方式混合模型的目标检测 高光谱图像异常检测高光谱图像异常检测 接下来接下来 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实

6、验室 高光谱目标检测的优势高光谱目标检测的优势 具有具有光谱识别和鉴别光谱识别和鉴别目标的能力，对图像目标的能力，对图像 空间分辨率的要求不高。空间分辨率的要求不高。 借助光谱信息可以在场景中区分借助光谱信息可以在场景中区分真实和诱真实和诱 饵饵目标。目标。 具有在复杂背景条件下自动检测具有在复杂背景条件下自动检测图像异常图像异常 的能力。的能力。 通常，遥感图像目标检测是建立在一定先验信通常，遥感图像目标检测是建立在一定先验信 息的基础上。息的基础上。 异常检测算子能够在没有先验信息的条件下检异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目标。测与周围环境存在光谱差异的

7、目标。 一一 高光谱图像目标检测概述高光谱图像目标检测概述 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 高光谱目标检测方法分类高光谱目标检测方法分类 分类方式：分类方式： 按先验信息的有无按先验信息的有无 按数据观测模型按数据观测模型 按技术路线按技术路线 一一 高光谱图像目标检测概述高光谱图像目标检测概述 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 高光谱目标检测方法分类高光谱目标检测方法分类 一一 高光谱图像目标检测概述高光谱图像目标检测概述 按先验信息有无：按先验信息有无： 原始原始 的高的高 光谱光谱

8、数据数据 预处理预处理 数据格式化数据格式化 坏点修复坏点修复 波段配准波段配准 无用数据删除无用数据删除 辐射校正辐射校正 波段融合和波波段融合和波 段选择段选择 取样取样 平均平均 数据调整数据调整 白化白化 分割分割 归一化归一化 已知目标和背景已知目标和背景 未知目标未知目标 已知背景已知背景 已知目标已知目标 未知背景未知背景 未知目标和背景未知目标和背景 目标检测目标检测 局部异常检测局部异常检测 目标检测目标检测 自适应异常检测自适应异常检测 输出结果输出结果 图像解译参数以及阈值确定图像解译参数以及阈值确定 离线的大气校正离线的大气校正 人工输入人工输入 SIPASIPA NU

9、DTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 高光谱目标检测方法分类高光谱目标检测方法分类 一一 高光谱图像目标检测概述高光谱图像目标检测概述 按数据观测模型：按数据观测模型： 基于纯点模型的检测基于纯点模型的检测 基于混合点模型基于混合点模型 基于线性混合模型基于线性混合模型 基于非线性混合模型基于非线性混合模型 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 高光谱目标检测方法分类高光谱目标检测方法分类 一一 高光谱图像目标检测概述高光谱图像目标检测概述 按技术路线：按技术路线： 基于统计方式的检测基于统计方式的检测 纯点模型纯点模型

10、 线性混合模型线性混合模型 基于几何方式的检测基于几何方式的检测 纯点模型纯点模型 线性混合模型线性混合模型 几何方式几何方式 统计方式统计方式 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 高光谱目标检测一般流程高光谱目标检测一般流程 一一 高光谱图像目标检测概述高光谱图像目标检测概述 目前所采用的大部分检测算法，其算子的目前所采用的大部分检测算法，其算子的 处理流程可分为两步：处理流程可分为两步： 空间投影空间投影 目的：抑制背景的信号能量，突出目标能量。目的：抑制背景的信号能量，突出目标能量。 目标与背景分离目标与背景分离 阈值分割阈值分割 目标鉴

11、别目标鉴别 第一阶段：投影第一阶段：投影 滤波器滤波器 第二阶段：检测第二阶段：检测 器器 xF(x) MdF(x) SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 第五讲第五讲 高光谱图像目标检测高光谱图像目标检测 高光谱图像目标检测概述高光谱图像目标检测概述 基于纯点模型的目标检测基于纯点模型的目标检测 纯点模型纯点模型 基于纯点模型的似然比检验基于纯点模型的似然比检验 基于纯点模型的检测方法基于纯点模型的检测方法 基于多元统计混合模型的目标检测基于多元统计混合模型的目标检测 基于空间投影的混合模型目标检测基于空间投影的混合模型目标检测 高光谱图像异常

12、检测高光谱图像异常检测 接下来接下来 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 纯点模型纯点模型 纯点模型不考虑光谱混合，模型相对简单纯点模型不考虑光谱混合，模型相对简单 目标与背景之间除了目标与背景之间除了二次散射和阴影二次散射和阴影的关系外，不存的关系外，不存 在其他的相互作用，观测数据要么是属于目标，要么在其他的相互作用，观测数据要么是属于目标，要么 是属于背景。是属于背景。 图像观测光谱可以写为如下形式：图像观测光谱可以写为如下形式： wsx wsx b t x t s b s 其中：其中： 为观测光谱向量为观测光谱向量 为目标光谱为目标光谱

13、 为背景光谱。为背景光谱。 w 附加噪声附加噪声 或者写成如下形式：或者写成如下形式： t tb xsw xssw 二二 基于纯点模型的目标检测基于纯点模型的目标检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 面向目标检测的纯点模型面向目标检测的纯点模型 通常，我们将背景和噪声结合在一起，称之为通常，我们将背景和噪声结合在一起，称之为 干扰干扰，可定义，可定义干扰模型：干扰模型： 多元正态分布多元正态分布是最常用的统计分布之一，这主要是因是最常用的统计分布之一，这主要是因 为它具有良好的可操作性，且已经成功地应用于许多为它具有良好的可操作性，且已经成

14、功地应用于许多 目标检测技术中。目标检测技术中。 针对干扰模型，可假设针对干扰模型，可假设v服从多元正态分布：服从多元正态分布： t sx x v为背景干扰为背景干扰 ),( b Nv 均值：均值： 方差：方差： b 二二 基于纯点模型的目标检测基于纯点模型的目标检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 基于纯点模型的似然比检验基于纯点模型的似然比检验 对于目标检测问题，可以利用二元似然比检验对于目标检测问题，可以利用二元似然比检验 构建检测算子，对于给定的观测波谱，似然比构建检测算子，对于给定的观测波谱，似然比 由条件概率密度由条件概率密度给

15、出：给出： 如利用极大似然估计等方法，可获取上式中的如利用极大似然估计等方法，可获取上式中的 部分统计参数，则可称为部分统计参数，则可称为广义似然比检验广义似然比检验（ GLRT ）。）。 )|( )|( absentsignalxp presentsignalxp )(x的值大于某一个阈值，则接受目标存在的假设。的值大于某一个阈值，则接受目标存在的假设。 二二 基于纯点模型的目标检测基于纯点模型的目标检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 基于纯点模型的似然比检验基于纯点模型的似然比检验 对于非干扰模型，利用多元正态分布表示的二对于非干扰模

16、型，利用多元正态分布表示的二 元假设检验的形式如下：元假设检验的形式如下： 似然比函数的自然对数形式如下：似然比函数的自然对数形式如下： 可视为可视为空间投影空间投影,下一步就是确定检测下一步就是确定检测 阈值。阈值。 ),(: 0bb NxH ),(: 1tt NxH 无目标无目标 有目标有目标 )(xDy )()( 2 1 )()( 2 1 11 tt T tbb T b xxxx = )(xDy 二二 基于纯点模型的目标检测基于纯点模型的目标检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 基于纯点模型的似然比检验基于纯点模型的似然比检验 基于该

17、似然函数，利用基于该似然函数，利用恒虚警率恒虚警率（CFAR）确定）确定 检测阈值。所需要的阈值检测阈值。所需要的阈值 为：为： 对于干扰模型，其目标与背景统计分布的方差对于干扰模型，其目标与背景统计分布的方差 可视为一致（可视为一致（为什么？为什么？），则似然函数中：），则似然函数中： 由此，似然函数可简化为：由此，似然函数可简化为： adyHypP FA )|( 0 是预先确定的虚警概率是预先确定的虚警概率a tb xxDy T bt 1 )()( 先验光谱信息先验光谱信息 二二 基于纯点模型的目标检测基于纯点模型的目标检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星

18、信息处理与应用实验室 基于纯点模型的似然比检验基于纯点模型的似然比检验 由于检测器输出是多个由于检测器输出是多个多元正态分布多元正态分布的的线性组合线性组合 ： 上式中，上式中，C可视为匹配滤波器（可视为匹配滤波器（Match Filter）。）。 因此：因此：似然函数的输出也服从正态分布似然函数的输出也服从正态分布，可以用，可以用 正态分布正态分布CFAR准则来计算阈值。准则来计算阈值。 k L k k T xcxcy 1 2 2 2 )( 2 2 1 1 ux v eP )( 1 bt c 二二 基于纯点模型的目标检测基于纯点模型的目标检测 SIPASIPA NUDTNUDT 卫星信息处理

19、与应用实验室卫星信息处理与应用实验室 基于纯点模型的似然比检验基于纯点模型的似然比检验 小结：小结： 基于纯点模型的似然比检验的算子形式为：基于纯点模型的似然比检验的算子形式为： 分割阈值的计算为：分割阈值的计算为： 2 2 2 )( 2 2 1 1 ux v eP 二二 基于纯点模型的目标检测基于纯点模型的目标检测 xxDy T bt 1 )()( SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 基于纯点模型的检测方法基于纯点模型的检测方法 CEM（Constrained Energy Minimization） 算法算法 CEM算子是从信号处理的匹配滤

20、波器角度提出。算子是从信号处理的匹配滤波器角度提出。 将高光谱图像数据视为多维信号序列。将高光谱图像数据视为多维信号序列。 通过滤波器（投影），突出已知目标，压制未知背景通过滤波器（投影），突出已知目标，压制未知背景 信号。信号。 二二 基于纯点模型的目标检测基于纯点模型的目标检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 基于纯点模型的检测方法基于纯点模型的检测方法 CEM（Constrained Energy Minimization） 算法算法 对感兴趣目标对感兴趣目标d，设计一个线性滤波器，设计一个线性滤波器c，使图像的，使图像的滤滤 波输出

21、能量波输出能量最小最小 则滤波器的算子形式：则滤波器的算子形式： 2 1 1 min()min( ) 1 N i ww i yc Rc N d c t T t t R R c 1 1 二二 基于纯点模型的目标检测基于纯点模型的目标检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 基于纯点模型的检测方法基于纯点模型的检测方法 CEM（Constrained Energy Minimization） 算法算法 这样的构成的检测算子就称之为约束能量最小化算法这样的构成的检测算子就称之为约束能量最小化算法 （CEM） xcD T CEM 二二 基于纯点模型的目

22、标检测基于纯点模型的目标检测 t T t t R R c 1 1 其中：其中： n i T jj xx N R 1 1 数据的互相关矩阵数据的互相关矩阵 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 基于纯点模型的检测方法基于纯点模型的检测方法 CEM（Constrained Energy Minimization） 算法算法 比较干扰模型似然比算子与比较干扰模型似然比算子与CEM算子，其差别就在算子，其差别就在 于观测值是否消除了于观测值是否消除了均值向量均值向量的影响以及一个的影响以及一个系数系数。 n i T jj xx N R 1 1 t T t

23、 R 1 1 CEM是利用数据的互相关矩阵代替互协方差是利用数据的互相关矩阵代替互协方差 矩阵。矩阵。 CEM增加了一个比例系数。增加了一个比例系数。 二二 基于纯点模型的目标检测基于纯点模型的目标检测 1 1 ( )()T t T tt R D xx R xxDy T bt 1 )()( CEM滤波算子滤波算子 干扰模型的滤波算子干扰模型的滤波算子 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 基于纯点模型的检测方法基于纯点模型的检测方法 先验信息和后验信息先验信息和后验信息 先验信息先验信息：事件发生前（遥感数据未产生时），已有：事件发生前（遥感数据

24、未产生时），已有 的关于数据内容的知识。例如，光谱库的谱线等。的关于数据内容的知识。例如，光谱库的谱线等。 后验信息后验信息：事件发生以后（已得到遥感数据）再从中：事件发生以后（已得到遥感数据）再从中 获取的信息。获取的信息。 在高光谱遥感中，利用端元提取获取的光谱信息，都在高光谱遥感中，利用端元提取获取的光谱信息，都 属于后验信息。属于后验信息。 此外，对数据的统计分析所获得参数也属于后验信息此外，对数据的统计分析所获得参数也属于后验信息 ，它们都是对实际的统计参数的估计。，它们都是对实际的统计参数的估计。 二二 基于纯点模型的目标检测基于纯点模型的目标检测 SIPASIPA NUDTNUD

25、T 卫星信息处理与应用实验室卫星信息处理与应用实验室 基于纯点模型的检测方法基于纯点模型的检测方法 先验信息和后验信息先验信息和后验信息 在检测算法中，大部分的参数可利用后验信息估计得在检测算法中，大部分的参数可利用后验信息估计得 到，主要是正态分布的统计参数：到，主要是正态分布的统计参数： N j jb x N u 1 1 T bj n j bj xx N )( )( 1 1 估计均值估计均值 估计互协方差矩阵估计互协方差矩阵 二二 基于纯点模型的目标检测基于纯点模型的目标检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 基于纯点模型的检测方法基于纯

26、点模型的检测方法 检测结果展示检测结果展示 所选数据：所选数据： 二二 基于纯点模型的目标检测基于纯点模型的目标检测 20406080100120140160180200 20 40 60 80 100 120 140 160 180 200 20406080100120140160 20 40 60 80 100 120 140 160 第第1919波段（波长位置：波段（波长位置：675.8nm675.8nm）图像及数据处理）图像及数据处理 区域，（区域，（a a）具有均一地物类型的图像，（）具有均一地物类型的图像，（b b）目）目 标所在区域标所在区域 (a) (b) SIPASIPA N

27、UDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 基于纯点模型的检测方法基于纯点模型的检测方法 检测结果检测结果 所选数据：所选数据： 二二 基于纯点模型的目标检测基于纯点模型的目标检测 水泥跑道水泥跑道 指挥塔指挥塔 水泥跑道水泥跑道 泥土泥土 地地 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 基于纯点模型的检测方法基于纯点模型的检测方法 检测结果展示检测结果展示 处理结果处理结果 二二 基于纯点模型的目标检测基于纯点模型的目标检测 CEMCEM投影结果投影结果 投影后数据的投影后数据的CFARCFAR结果结果 50100150 50

28、 100 150 50100150 50 100 150 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 第四讲第四讲 高光谱图像特征提取与光高光谱图像特征提取与光 谱解混合谱解混合 上一讲内容回顾上一讲内容回顾 高光谱数据降维高光谱数据降维 光谱特征提取光谱特征提取 光谱混合模型光谱混合模型 图像光谱特征变化分析、光谱混合机理、混合模型图像光谱特征变化分析、光谱混合机理、混合模型 线性混合模型端元提取线性混合模型端元提取 端元提取的目的和意义、线性混合模型端元提取原理、端元提取的目的和意义、线性混合模型端元提取原理、 线性混合模型端元数目的估计、线性混和

29、模型端元提线性混合模型端元数目的估计、线性混和模型端元提 取方法取方法 线性混合模型光谱解混合线性混合模型光谱解混合 光谱解混合的光谱解混合的意义意义、光谱解混合方法、光谱解混合方法（最小二乘法最小二乘法）、 光谱解混光谱解混合合的应用的应用 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 混合比例系数求解的物理意义混合比例系数求解的物理意义: 上一讲回顾上一讲回顾 第四讲第四讲 高光谱图像特征提取与光高光谱图像特征提取与光 谱解混合谱解混合 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 波段 3 波段 2 x 1

30、s 2 s xxe 波段 1 1 se 和 2 se x 估计误差为估计误差为: : 最小二乘法估计的混合系数为：最小二乘法估计的混合系数为： xSSSa TT1 )( 上一讲回顾上一讲回顾 第四讲第四讲 高光谱图像特征提取与光高光谱图像特征提取与光 谱解混合谱解混合 1 1 () TTT s exxxSa IS S SSxx P x 正交补算子正交补算子 1 s P SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 数据数据 降维降维 端元端元 提取提取 光谱解光谱解 混合混合 光谱特光谱特 征提取征提取 本讲内容所处的位置关系 高光谱遥感应用基本流程高光

31、谱遥感应用基本流程 地物光地物光 谱特性谱特性 分析分析 高光谱高光谱 成像机成像机 理理 遥感物遥感物 理学基理学基 础础 传感器定传感器定 标标 高光谱图像高光谱图像 目标检测目标检测 高光谱图像 地物分类 基于光谱特 征的地物识 别 高光高光 谱遥谱遥 感的感的 军、军、 民应民应 用用 光谱的获取光谱的获取 高光谱图高光谱图 像预处理像预处理 特征提取特征提取 与解混合与解混合 数据处理数据处理 技术技术 应用应用 几何校正几何校正 辐射校正辐射校正 反射率反反射率反 演演 图像压缩图像压缩 与解压缩与解压缩 本本 讲讲 内内 容容 SIPASIPA NUDTNUDT 卫星信息处理与应

32、用实验室卫星信息处理与应用实验室 第五讲第五讲 高光谱图像目标检测高光谱图像目标检测 上一讲回顾上一讲回顾 高光谱图像目标检测概述高光谱图像目标检测概述 高光谱目标检测的优势；高光谱目标检测方法分类（高光谱目标检测的优势；高光谱目标检测方法分类（按按 先验信息的有无先验信息的有无、按数据观测模型、按技术路线、按数据观测模型、按技术路线）；高）；高 光谱目标检测的一般流程（光谱目标检测的一般流程（空间投影、目标与背景分空间投影、目标与背景分 离离）。）。 基于纯点模型的目标检测基于纯点模型的目标检测 基于多元统计混合模型的目标检测基于多元统计混合模型的目标检测 基于空间投影的混合模型目标检测基于

33、空间投影的混合模型目标检测 高光谱图像异常检测高光谱图像异常检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 按先验信息有无的分类：按先验信息有无的分类： 原始原始 的高的高 光谱光谱 数据数据 预处理预处理 数据格式化数据格式化 坏点修复坏点修复 波段配准波段配准 无用数据删除无用数据删除 辐射校正辐射校正 波段融合和波波段融合和波 段选择段选择 取样取样 平均平均 数据调整数据调整 白化白化 分割分割 归一化归一化 已知目标和背景已知目标和背景 未知目标未知目标 已知背景已知背景 已知目标已知目标 未知背景未知背景 未知目标和背景未知目标和背景 目

34、标检测目标检测 局部异常检测局部异常检测 目标检测目标检测 自适应异常检测自适应异常检测 输出结果输出结果 图像解译参数以及阈值确定图像解译参数以及阈值确定 离线的大气校正离线的大气校正 人工输入人工输入 第五讲第五讲 高光谱图像目标检测高光谱图像目标检测 上一讲回顾上一讲回顾 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 第五讲第五讲 高光谱图像目标检测高光谱图像目标检测 上一讲回顾上一讲回顾 高光谱图像目标检测概述高光谱图像目标检测概述 基于纯点模型的目标检测基于纯点模型的目标检测 纯点模型（纯点模型（目标替代模型、干扰模型目标替代模型、干扰模型）、

35、基于纯点）、基于纯点 模型的似然比检验（模型的似然比检验（基于目标替代模型和干扰模型的基于目标替代模型和干扰模型的 二元假设检验、二元假设检验、CFARCFAR等等）、基于纯点模型的检测方）、基于纯点模型的检测方 法（法（CEMCEM算子算子） 基于多元统计混合模型的目标检测基于多元统计混合模型的目标检测 基于空间投影的混合模型目标检测基于空间投影的混合模型目标检测 高光谱图像异常检测高光谱图像异常检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 目标替代模型目标替代模型 干扰模型干扰模型 wsx wsx b t x t s b s 其中：其中： 为观

36、测光谱向量为观测光谱向量 为目标光谱为目标光谱 为背景光谱。为背景光谱。 w 附加噪声附加噪声 t sx x v为背景干扰为背景干扰 第五讲第五讲 高光谱图像目标检测高光谱图像目标检测第五讲第五讲 高光谱图像目标检测高光谱图像目标检测 上一讲回顾上一讲回顾 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 对于目标替代模型，利用多元正态分布表示的对于目标替代模型，利用多元正态分布表示的 二元假设检验的形式如下：二元假设检验的形式如下： 似然比函数的自然对数形式如下：似然比函数的自然对数形式如下： 对于干扰模型，则似然函数可简化为：对于干扰模型，则似然函数可简

37、化为： ),(: 0bb NxH ),(: 1tt NxH 无目标无目标 有目标有目标 )(xDy )()( 2 1 )()( 2 1 11 tt T tbb T b xxxx = 第五讲第五讲 高光谱图像目标检测高光谱图像目标检测 上一讲回顾上一讲回顾 xxDy T bt 1 )()( SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 CEM（Constrained Energy Minimization） 算法算法 比较干扰模型似然比算子与比较干扰模型似然比算子与CEM算子，其差别就在算子，其差别就在 于观测值是否消除了于观测值是否消除了均值向量均值向量

38、的影响以及一个的影响以及一个系数系数。 n i T jj xx N R 1 1 t T t R 1 1 CEM是利用数据的互相关矩阵代替互协方差是利用数据的互相关矩阵代替互协方差 矩阵。矩阵。 CEM增加了一个比例系数。增加了一个比例系数。 1 1 ( )()T t T tt R D xx R xxDy T bt 1 )()( CEM滤波算子滤波算子 干扰模型的滤波算子干扰模型的滤波算子 第五讲第五讲 高光谱图像目标检测高光谱图像目标检测 上一讲回顾上一讲回顾 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 第五讲第五讲 高光谱图像目标检测高光谱图像目标检

39、测 高光谱图像目标检测概述高光谱图像目标检测概述 基于纯点模型的目标检测基于纯点模型的目标检测 基于多元统计混合模型的目标检测基于多元统计混合模型的目标检测 基于混合光谱的二元假设检验基于混合光谱的二元假设检验 AMSD算法算法 基于几何方式混合模型目标检测基于几何方式混合模型目标检测 高光谱图像异常检测高光谱图像异常检测 接下来接下来 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 基于混合光谱的二元假设检验基于混合光谱的二元假设检验 由于对线性混合模型认知方式的不同，混合点由于对线性混合模型认知方式的不同，混合点 检测算法通常被分为两类：检测算法通常被

40、分为两类：基于统计方式基于统计方式的和的和 基于几何方式基于几何方式的。的。 基于统计方式的检测算法主要从统计模型和似然比检基于统计方式的检测算法主要从统计模型和似然比检 验的角度出发，认为图像数据服从一定的统计分布，验的角度出发，认为图像数据服从一定的统计分布， 利用似然函数比构建检测器。利用似然函数比构建检测器。 统计方式 统计方式认为图像的变化主要统计方式认为图像的变化主要 来源于来源于随机噪声向量随机噪声向量，在检测，在检测 过程中用一个统计分布（通常过程中用一个统计分布（通常 为为多元正态分布多元正态分布）来拟合。）来拟合。 三三 基于多元统计混合模型的目标检测基于多元统计混合模型的

41、目标检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 基于混合光谱的二元假设检验基于混合光谱的二元假设检验 通常认为：图像光谱变化主要来自于服从一定通常认为：图像光谱变化主要来自于服从一定 统计分布（例如多元正态分布）统计分布（例如多元正态分布）随机向量的随机向量的线线 性组合性组合。 对线性混合模型的数学表达式拆分，将代表背景和目对线性混合模型的数学表达式拆分，将代表背景和目 标的端元区分开。标的端元区分开。 其中：其中： 矩阵形式矩阵形式 M k P k M Pk kkkkkk wsasawsax 111 P k kks a 1 代表了目标空间代表

42、了目标空间 waSaSwSax bbtt 三三 基于多元统计混合模型的目标检测基于多元统计混合模型的目标检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 基于混合光谱的二元假设检验基于混合光谱的二元假设检验 这样可以得到一个判断是否存在异常的二元检这样可以得到一个判断是否存在异常的二元检 测模型：测模型： 由此要设计一个似然函数：由此要设计一个似然函数： waSxH bb : 0 ), 0( 2 INw w wSawaSaSxH bbtt : 1 无目标无目标 有目标有目标 );,( );,( )( )(. )( 2 , 2 2 1 xaL xaL L

43、 L xLR wb wt 三三 基于多元统计混合模型的目标检测基于多元统计混合模型的目标检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 AMSD算法算法 AMSD算法利用空间投影，建立似然函数，如图算法利用空间投影，建立似然函数，如图 AMSD AMSD检测器的构造示意图检测器的构造示意图 xPe s 1 x xPx s xPe b b1 )( Q b S )( P t S ) ()()( 2 aSSEaSSESB b 波段波段3 3 波段波段2 2 波段波段1 1 P P S S B B x为观测值为观测值 )( Q b S 是由背景端元构是由背景

44、端元构 成的成的Q维子空间维子空间 )( P t S 是由目标端元构是由目标端元构 成的成的P维子空间维子空间 S构成全空间的端元构成全空间的端元 B点是点是P点在背景子空间点在背景子空间 中的投影中的投影，S则是它在则是它在 全空间的投影。全空间的投影。 三三 基于多元统计混合模型的目标检测基于多元统计混合模型的目标检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 AMSD算法算法 AMSD算法利用空间投影，建立似然函数，如图算法利用空间投影，建立似然函数，如图 AMSD AMSD检测器的构造示意图检测器的构造示意图 xPe s 1 x xPx s

45、xPe b b1 )( Q b S )( P t S ) ()()( 2 aSSEaSSESB b 波段波段 3 3 波段波段 2 2 波段波段 1 1 P P S S B B 三三 基于多元统计混合模型的目标检测基于多元统计混合模型的目标检测 B点是点是P点在背景子空间点在背景子空间 中最小均方估计，中最小均方估计，S则是则是 它在全空间它在全空间 上的估计上的估计 值。值。 S PSSB )( ) ( b aSSEaSSE xPxxPIxxxxxeaSSE s T s TTT 1 )( ) ( 即即PS PB SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实

46、验室 AMSD算法算法 AMSD算子形式：算子形式： 如图，因为如图，因为PS PB ，所以可利用，所以可利用广义似然比广义似然比构建检构建检 测算子如下测算子如下 L L s T b T L b bwb wt xPx xPx aSSE aSSE xaL xaL L L xGLR )(cos ) ( )( );,( );,( )( )(. )( 2 1 1 2 2 , 2 2 1 0 1 )( H H xGRL 三三 基于多元统计混合模型的目标检测基于多元统计混合模型的目标检测 有目标有目标 无目标无目标 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 A

47、MSD算法算法 AMSD算子形式：算子形式： 根据三角定理，还可简化上述似然函数：根据三角定理，还可简化上述似然函数： 可以从分子和分母的统计特性推断出检测器是服从一可以从分子和分母的统计特性推断出检测器是服从一 个个F分布分布的统计量。的统计量。 其中，分子：其中，分子： 分母：分母： 1)()(tan )( )( )( 22 1 11 L s T sb T AMSD xGLR xPx xPPx PS BS T )()/()( 0 22 11 SINRPxPPx Pw sb T )0()(/)( 22 1Pw s T QPLxPx 三三 基于多元统计混合模型的目标检测基于多元统计混合模型的目

48、标检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 AMSD算法算法 AMSD算法是建立算法是建立在先验光谱信息在先验光谱信息基础上的。在基础上的。在 此，利用端元提取的结果，寻找全端元和背景端此，利用端元提取的结果，寻找全端元和背景端 元，构建子空间进行投影。元，构建子空间进行投影。 三三 基于多元统计混合模型的目标检测基于多元统计混合模型的目标检测 1)()(tan )( )( )( 22 1 11 L s T sb T AMSD xGLR xPx xPPx PS BS T 需要先验需要先验 光谱信息光谱信息 SIPASIPA NUDTNUDT 卫

49、星信息处理与应用实验室卫星信息处理与应用实验室 AMSD算法算法 AMSD算法结果算法结果 三三 基于多元统计混合模型的目标检测基于多元统计混合模型的目标检测 是否属于异常子空间 50100150 50 100 150 AMSD算法投影结果 050100150 0 500 1000 1500 2000 投影后的直方图 050100150 0 10 20 30 40 50 X Quantiles Y Quantiles 检测结果与投 影后图像与F 分布之间比较 50100150 50 100 150 T3 T7 T4 T1 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理

50、与应用实验室 第五讲第五讲 高光谱图像目标检测高光谱图像目标检测 高光谱图像目标检测概述高光谱图像目标检测概述 基于纯点模型的目标检测基于纯点模型的目标检测 基于多元统计混合模型的目标检测基于多元统计混合模型的目标检测 基于几何方式混合模型的目标检测基于几何方式混合模型的目标检测 正交子空间投影算法（正交子空间投影算法（OSPOSP） 低概率检测算法（低概率检测算法（LPDLPD） 高光谱图像异常检测高光谱图像异常检测 接下来接下来 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 正交子空间投影算法（正交子空间投影算法（OSPOSP） 几何方式的目标检测算

51、法不涉及到几何方式的目标检测算法不涉及到数据统计分数据统计分 布拟合布拟合的问题。的问题。 基于几何方式的目标检测算法，它们来源于信基于几何方式的目标检测算法，它们来源于信 号处理相关理论。这类算法的理论基础是号处理相关理论。这类算法的理论基础是最小最小 二乘原理二乘原理。 最小二乘原理利用最小二乘原理利用最小化最小化观测值与模型之间的差距来观测值与模型之间的差距来 确定它们的契合程度，它的最大优点在于不需要知道确定它们的契合程度，它的最大优点在于不需要知道 数据服从什么样的统计分布，因此它不必估计观测数数据服从什么样的统计分布，因此它不必估计观测数 据的统计参数。据的统计参数。 四四 基于几

52、何方式混合模型的目标检测基于几何方式混合模型的目标检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 正交子空间投影算法（正交子空间投影算法（OSPOSP） 在高光谱图像处理领域，利用最小二乘原理构在高光谱图像处理领域，利用最小二乘原理构 建检测算子的方法有很多，其中以建检测算子的方法有很多，其中以Harsanyi 和和 Chang提出的提出的正交子空间投影正交子空间投影（Orthogonal Subspace Projection，OSP）算法及其系列算）算法及其系列算 法使用的最为广泛。法使用的最为广泛。 OSP算法一般分为两步：第一步是利用正交子算

53、法一般分为两步：第一步是利用正交子 空间投影来空间投影来抑制背景抑制背景，第二步是利用匹配滤波，第二步是利用匹配滤波 来来突出目标突出目标。 四四 基于几何方式混合模型的目标检测基于几何方式混合模型的目标检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 正交子空间投影算法（正交子空间投影算法（OSPOSP） 类似于统计方式的检测方法，这一类异常检测类似于统计方式的检测方法，这一类异常检测 方法也需要使用方法也需要使用目标与背景分离的线性混合模目标与背景分离的线性混合模 型型： 四四 基于几何方式混合模型的目标检测基于几何方式混合模型的目标检测 wUad

54、awSax ud d U w 为目标光谱向量为目标光谱向量 为背景端元矩阵为背景端元矩阵 为白噪声为白噪声 目标目标 信息信息 背景背景 信息信息 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 正交子空间投影算法（正交子空间投影算法（OSPOSP） 背景端元构成一个矩阵，它是影响目标检测的背景端元构成一个矩阵，它是影响目标检测的 主要主要干扰源干扰源，OSP算法的第一步是要消除背景算法的第一步是要消除背景 端元矩阵端元矩阵 OSP算子首先将观测数据投影到算子首先将观测数据投影到 子空间的子空间的正正 交子空间中交子空间中，这个投影算子表示为，这个投影算子

55、表示为 四四 基于几何方式混合模型的目标检测基于几何方式混合模型的目标检测 U U U P1 wPdaPxP U d UU 111 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 正交子空间投影算法（正交子空间投影算法（OSPOSP） OSP算法第算法第一一步：步： 矩阵的构建：矩阵的构建： 其中：其中：#代表求矩阵的伪逆矩阵：代表求矩阵的伪逆矩阵： 这一算子与最小均方理论中的这一算子与最小均方理论中的正交补正交补算子相似算子相似 U P 1 )( # UUIP U i TT UUUU 1# )( 四四 基于几何方式混合模型的目标检测基于几何方式混合模型的

56、目标检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 正交子空间投影算法（正交子空间投影算法（OSPOSP） OSP算法第算法第二二步：步： OSP第二步是找到一个第二步是找到一个 维的向量维的向量 使得输使得输 出的信噪比最大：出的信噪比最大： 四四 基于几何方式混合模型的目标检测基于几何方式混合模型的目标检测 l1n wPndaPnxPn U T d U T U T 111 nPPn nPPddna nPwwPEn nPdpdan SNR TT TTT w d TTT TT d T 2 22 TT dn SIPASIPA NUDTNUDT 卫星信息

57、处理与应用实验室卫星信息处理与应用实验室 正交子空间投影算法（正交子空间投影算法（OSPOSP） 两步合成的两步合成的OSP算法：算法： OSP算子形式：算子形式： 该算子作用于混合模型公式：该算子作用于混合模型公式： U TT Pdq 1 wPdadPdxPdx U T d U T U T OSP111 )()( 四四 基于几何方式混合模型的目标检测基于几何方式混合模型的目标检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 正交子空间投影算法（正交子空间投影算法（OSPOSP） OSP算子结果算子结果 四四 基于几何方式混合模型的目标检测基于几何方式

58、混合模型的目标检测 50100150 50 100 150 50100150 50 100 150 OSPOSP算法处理结果，（算法处理结果，（A A）（）（B B）代表以不同目）代表以不同目 标光谱信息为先验信息的投影输出标光谱信息为先验信息的投影输出 AB SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 正交子空间投影算法（正交子空间投影算法（OSPOSP） OSP算法的作用是将图像中所有像素向量投影算法的作用是将图像中所有像素向量投影 到到一组矢量方向（由目标向量和背景向量共同一组矢量方向（由目标向量和背景向量共同 确定）确定）上，算法将高光谱图像立

59、方体转化成为上，算法将高光谱图像立方体转化成为 多幅投影图像，每一个投影图像就代表一种目多幅投影图像，每一个投影图像就代表一种目 标的结果。标的结果。 四四 基于几何方式混合模型的目标检测基于几何方式混合模型的目标检测 U TT Pdq 1 先验光谱信息的先验光谱信息的 不同，产生不同不同，产生不同 的检测效果的检测效果 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 正交子空间投影算法（正交子空间投影算法（OSPOSP） 从理论上讲，从理论上讲，OSP算法的输出并不满足算法的输出并不满足CFAR检检 测测的要求，但在实际应用中可以假定输出数据的要求，但在

60、实际应用中可以假定输出数据 服从某种统计分布，再利用服从某种统计分布，再利用CFAR准则来分离准则来分离出出 图像异常。一般的，对数正态分布是一种比较图像异常。一般的，对数正态分布是一种比较 好拟合分布。好拟合分布。 也可以使用一般的图像分割方法，例如基于直方图的也可以使用一般的图像分割方法，例如基于直方图的 自适应阈值法等。自适应阈值法等。 四四 基于几何方式混合模型的目标检测基于几何方式混合模型的目标检测 SIPASIPA NUDTNUDT 卫星信息处理与应用实验室卫星信息处理与应用实验室 低概率检测算法（低概率检测算法（LPDLPD） OSP算法需要已知端元向量，算法实现要借助算法需要已