高光谱遥感异常目标探测方法性能对比分析

doi:10.13474/j.cnki.11-2246.2021.0284

测绘通报 ›› 2021, Vol. 0 ›› Issue (9): 108-111.doi: 10.13474/j.cnki.11-2246.2021.0284

高光谱遥感异常目标探测方法性能对比分析

王德强, 赵德良

山东省地质测绘院, 山东济南 250002

收稿日期:2020-09-15 修回日期:2020-11-03 出版日期:2021-09-25 发布日期:2021-10-11
通讯作者: 赵德良。E-mail:99755738@qq.com
作者简介:王德强(1972-),男,高级工程师,主要从事测绘地理信息、摄影测量、遥感等方面的研究。E-mail:645938796@qq.com
基金资助:
山东省地质测绘院科研项目（KY201907）

Comparative analysis of hyperspectral remote sensing abnormal target detection methods

WANG Deqiang, ZHAO Deliang

Shandong Institute of Geological Surveying and Mapping, Jinan 250002, China

Received:2020-09-15 Revised:2020-11-03 Online:2021-09-25 Published:2021-10-11

摘要/Abstract

摘要： 本文利用高光谱遥感异常目标探测理论，探讨了目前已有的几种异常目标探测方法；通过对3组数据进行试验，并从探测率和虚警率、ROC曲线及其下的面积及算法的运行时间，对几种异常检测算法的检测性能进行对比分析；最后基于统计模型和基于表示模型对3组数据的检测效果进行对比分析，从而得出适合于不同数据的检测方法，为高光谱遥感异常目标探测提供更多的支持。

关键词: 高光谱遥感, 异常检测, 对比分析, 探测率, 统计模型

Abstract: This paper is based on the theory of hyperspectral remote sensing abnormal target detection, mainly explores several existing abnormal target detection methods, through the experimental comparison and analysis of the detection performance of each algorithm, in order to get a better detection method, and provide more support for hyperspectral remote sensing abnormal target detection. In this paper, through the experiment of three groups of data, and from the detection rate and false alarm rate, the area under the ROC curve and the running time of the algorithm, the detection performance of the above-mentioned anomaly detection algorithms is compared and analyzed. Finally, the detection effect of the algorithm based on the statistical model and the representation model is compared and analyzed, so as to obtain the more suitable for different data Detection method.

Key words: hyperspectral remote sensing, anomaly detection, comparative analysis, detection rate, statistical model

中图分类号:

P237

王德强, 赵德良. 高光谱遥感异常目标探测方法性能对比分析[J]. 测绘通报, 2021, 0(9): 108-111.

WANG Deqiang, ZHAO Deliang. Comparative analysis of hyperspectral remote sensing abnormal target detection methods[J]. Bulletin of Surveying and Mapping, 2021, 0(9): 108-111.

参考文献

[1] 刘佳彬.基于稀疏表示的高光谱图像分类和异常检测研究[D].北京:北京化工大学, 2016.
[2] 梅安新,彭望琭,秦其明,等.遥感导论[M]. 北京:高等教育出版社,2001.
[3] 成宝芝.基于光谱特性的高光谱图像异常目标检测算法研究[D].哈尔滨:哈尔滨工程大学,2012.
[4] 李肖.高光谱异常检测算法研究[D].西安:西安电子科技大学,2015.
[5] 张良培,杜博,张乐飞.高光谱遥感影像处理[M].北京:科学出版社, 2014.
[6] NASRABADI N M. Hyperspectral target detection:an overview of current and future challenges[J]. IEEE Signal Processing Magazine, 2014, 31(1):34-44.
[7] 张良培.高光谱目标探测的进展与前沿问题[J]. 武汉大学学报(信息科学版), 2014, 39(12):1387-1394.
[8] 朱凤阳. 高光谱图像的异常目标检测及亚像元定位研究[D]. 哈尔滨:哈尔滨工业大学, 2009.
[9] 王杰超. 基于稀疏性与低秩性的高光谱图像异常检测[D]. 上海:中国科学院上海技术物理研究所, 2018.
[10] 武小杰. 改进协同表示的高光谱图像异常检测研究[D]. 阜新:辽宁工程技术大学,2018.
[11] 赵树杰, 赵建勋. 信号检测与估计理论[M]. 北京:清华大学出版社, 2005.
[12] 代威. 高光谱图像目标检测方法研究[D]. 长沙:国防科学技术大学, 2015.
[13] 孙林,鲍金河,刘一超. 高光谱图像目标检测算法分析[J].测绘科学,2012,37(1):131-132.
[14] 孙康,耿修瑞,唐海蓉,等.一种基于非线性主成分分析的高光谱图像目标检测方法[J].测绘通报,2015(1):105-108.
[15] 路威,余旭初,刘娟,等.基于分布异常的高光谱遥感影像小目标检测算法[J].测绘学报,2006,35(1):44-49.
[16] KWON H, NASRABADI N M. Kernel-based subpixel target detection in hyperspectral images[C]//Proceedings of 2004 IEEE International Joint Conference on Neural Networks.[S.l.]:IEEE, 2004.

高光谱遥感异常目标探测方法性能对比分析

Comparative analysis of hyperspectral remote sensing abnormal target detection methods

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价

[1]	温雨笑, 吕杰, 马庆勋, 张鹏, 徐汝岭. 高光谱和LiDAR联合反演森林生物量研究[J]. 测绘通报, 2022, 0(7): 38-42.
[2]	蔡嘉伦, 贾洪果, 刘国祥, 张波, 刘巧, 吴仁哲, 向卫, 毛文飞, 张瑞. 对比传统低空航测的无人机倾斜摄影测量精度评估[J]. 测绘通报, 2022, 0(2): 31-36.
[3]	杨瑞芳, 尹思阳. 全球热带森林分布区NPP变化及其气候响应分析[J]. 测绘通报, 2021, 0(5): 49-53,110.
[4]	宋晓春, 刘兴科, 孙玮婕. 黑河流域MODIS气溶胶产品时空对比分析[J]. 测绘通报, 2020, 0(7): 64-69.
[5]	赵佳星, 吕伟才, 葛祥, 陈卫卫. 基于加权Voronoi图评价安徽省城市空间吸引力影响范围[J]. 测绘通报, 2020, 0(4): 125-129.
[6]	王跃跃, 陈蓉, 于丽君, 朱建峰, 吴愈锋, 陈炫炽. 结合二维EMD与自适应高斯滤波的遥感卫星影像去噪[J]. 测绘通报, 2019, 0(2): 22-27.
[7]	张亚平, 张宇, 杨楠, 罗晓, 罗谦. 一种高光谱遥感图像快速谱聚类算法[J]. 测绘通报, 2019, 0(12): 60-64.
[8]	杨鹏飞, 廖秀英, 徐启恒, 程辉. 纯净像元指数改进的N-FINDR高光谱端元提取算法[J]. 测绘通报, 2018, 0(2): 89-93.
[9]	魏立飞, 俸秀强, 李丹丹, 牟紫薇. 基于S³VM模型的高光谱遥感影像分类[J]. 测绘通报, 2017, 0(12): 43-47.
[10]	谢福鼎, 李壮. 基于改进的半监督FCM算法的高光谱遥感影像分类[J]. 测绘通报, 2016, 0(9): 60-62,72.
[11]	孙康耿修瑞唐海蓉赵永超. 一种基于非线性主成分分析的高光谱图像目标检测方法[J]. 测绘通报, 2015, 0(1): 105-108.