基于三维GMRF的多光谱图像自适应目标检测

针对常见的多光谱目标检测算法仅利用光谱信息的局限性．提出一种移动窗口局部异常自适应检测方法。采用加性目标信号和非结构化背景模型描述多光谱图像数据；基于谱间相关性和空间相关性．利用三维高斯马尔可夫随机场（GMRF）模型估计背景数据二阶统计量的逆．最后通过广义似然比检验实现了自适应目标检测。仿真试验及其理论分析表明了算法的有效性。     

自适应结构化背景和形状特征子空间高光谱图像多类目标检测

针对高光谱图像中目标形状特征已知,背景和目标光谱特征未知时的多类小目标检测问题,给出一种检测算法.通过高光谱图像数据样本二次型的高阶矩控制点扩散函数,获取自适应结构化背景;然后,利用目标形状先验信息构造形状特征子空间,在高维光谱特征空间实现形状特征子空间匹配检测.理论分析和实验结果表明该检测器可同时有效检测具有不同形状特征的多类目标.     

高光谱图像波段子集模糊积分融合异常检测

针对高光谱图像中背景及目标先验知识未知条件下的异常目标检测问题,该文给出一种基于高相关性波段子集分割的模糊积分低概率目标检测融合算法。依据高光谱图像数据的波段相关性将原始高光谱数据分割为若干连续波段子集;利用非参核密度估计得到原假设下各波段子集数据RX检测器输出的概率密度函数,构造出非参隶属度映射函数;利用数据光谱维的特征值定义目标信号噪声能量比(TNER),衡量各波段子集信源检测结果的重要程度;最后,通过Sugeno模糊积分实现波段子集检测结果的决策级融合。使用可见光/近红外波段OMIS-I高光谱图像进行了实验,实验结果证明了算法的有效性。     

高光谱图像高维多尺度自回归有监督检测

给出一种有监督检测算法以检测高光谱图像中的区域目标. 为利用高光谱图像中的空间尺度维信息, 在高光谱图像多尺度观测不同相连节点之间建立高维多尺度自回归模型, 并利用四叉树节点间的多阶马尔可夫性和高维多尺度回归噪声先验概率密度与高维观测条件概率密度的等价性及其多元 t 分布特性, 构造出适用于检测高光谱图像中区域目标的空间多尺度自回归有监督检测算法. 理论分析及实验中的5种评价方法的结果均表明该检测器可有效检测出高光谱图像中的目标区域.